随着以因特网为代表的信息技术的迅猛发展，人类社会大步迈入了网络时代。关于网络分析的需求日益增加，网络数据挖掘已成为数据挖掘中的一个重要研究课题。网络数据挖掘旨在从网络数据源中提取隐含的知识，完成实体分类、链接预测、社区发现、实体排序和网络聚类等任务，从而达到分析网络的性质、功能、动态变化和网络之间关系的目的。本文围绕网络数据挖掘领域，针对实体分类和链接预测任务，展开了深入的研究。在对现有的实体分类方法进行详细分析的基础上，重点研究了链接关系在实体分类问题中的作用，并针对不同类型的网络数据提出多种解决方案：针对实体有属性和标签的网络数据，提出基于主成份分析和极限学习机的正则化分类模型；针对实体有属性和标签，但已标记实体数量较少的网络数据，提出结合特征选择和链接过滤的主动协作分类方法；针对实体仅有标签信息的网络数据，提出集成网络拓扑特征和标签分布信息的协作分类框架。此外，本文对链接预测的研究现状进行总结，并针对稀疏链接网络，提出协作链接预测框架，给出两种具体实现算法。在多个公用数据集上的实验表明，本文方法能获得较好的效果。