随着信息技术的发展,人们之间的沟通越发容易,合作也更加普遍,人际交往在社会生活中越来越重要。对大学生来说,良好的社交不仅能促进良好学习生活氛围的形成、缓解其心理压力,还能增加他们在社会中的竞争力。对于教育工作者来说,若能掌握学生的社交情况,则可以更全面的了解学生,从而改进其管理模式。因此,挖掘大学生社交关系对大学生的身心健康发展和高校学生管理等工作有着重要意义,但如何挖掘大学生社交关系仍是目前教育研究的难题之一。随着高校信息化建设的逐步完善,日益蓬勃的教育大数据为挖掘隐藏的大学生社交关系提供了可能。校园一卡通记录了学生在校园内的日常消费行为数据,这些数据隐含了学生的社交行为和社交关系。目前,已有学者研究了从校园一卡通记录的数据中挖掘大学生社交网络的问题,基于行为的“共现”与社交关系的关联性提出了一些挖掘算法。然而,大部分的研究都忽略了同质性(专业同质性、年级同质性等)对大学生社交网络挖掘的影响,导致跨群体社交关系难以被挖掘。针对上述问题,本文提出了一种基于滑动时间窗和分层共现模型的大学生社交关系挖掘方法,并验证了模型的有效性,同时对挖掘出的社交网络和网络中的节点进行了分析。本文的主要工作和创新点如下:(1)采用滑动时间窗的方法,从消费记录中提取共现事件并计算共现次数,解决了固定时间切片法带来的部分共现事件遗漏的问题。(2)提出了基于关联分析的分层共现模型来消除同质性对社交关系挖掘的影响。该模型在同一群体内(具有同质性)和跨群体学生间分别使用关联分析和“类关联分析”挖掘学生的社交关系,巧妙地消除了同质性的影响。(3)提出了一种自适应获取每一位学生的社交关系判定阂值的方法,从而有效解决了传统社交关系挖掘算法中阈值难以设定和设定无理论依据的问题。(4)通过比较挖掘出的社交网络,验证了分层共现模型的有效性,结果表明跨群体的社交关系挖掘能力明显提高。同时分析了社交网络的网络特性和节点特性,得到一些有参考价值的大学生社交行为规律。