随着社会的发展,社会网络已经成为覆盖用户最广、传播影响最大的网络。社会网络的分析是数据挖掘研究领域的一个热点,受到越来越多研究学者的关注。在社会网络中两个不能直接发生联系的个体,只有通过第三者才能将其连接,处于第三者位置上的那些节点,伯特称之为结构洞。结构洞位置上的节点能够获取“信息利益”和“控制利益”,从而比网络中其它位置上的成员具有更多的竞争优势。这部分节点对网络中群体信息的传播、影响力扩散起着极为重要的作用。因此,结构洞的识别是社会网络分析的一个重要研究内容。关于社会网络中结构洞的识别,目前大多数研究主要在同质网络中进行。然而,现实生活中的网络常常是异构的,它包含多种类型的节点和边,所以蕴含了更加丰富的语义信息。尽管在异构网络中进行结构洞的挖掘已经有一些研究,但是并没有过多涉及元路径及加权问题,在异构网络中进行结构洞挖掘时,对不同的元路径和不同权重的处理需要深一步的研究。由于异构网络的特殊性,针对传统的结构洞挖掘算法不能直接应用于异构信息网络中的问题,提出了一种在异构网络中元路径的加权方法进行结构洞的挖掘。本文主要工作如下:首先,计算节点之间的关联度。探索异构网络中节点之间较为全面的元路径语义信息,通过广度优先算法搜索出元路径,并对元路径上的边赋予不同的权重,再将目标节点之间的加权实例路径数目矩阵进行求和形成关联矩阵。其次,提出了基于元路径加权的结构洞挖掘算法。将目标类型之间形成的关联矩阵与基于最短路径增量的结构洞挖掘方法相结合,利用异构网络丰富的语义信息对结构进行洞挖掘。最后,进行了实验的设计与实现,并在真实数据集上与传统的结构洞挖掘算法进行了比较,实验结果表明本文提出的结构洞识别方法能够对网络中的结构洞节点进行更全面的查找,也证明了在异构网络中元路径加权的结构洞挖掘算法的有效性。