网络技术的快速发展带来了大量的社交网络数据,社交网络数据的存储和查询也迎来了巨大的挑战。目前,已有的存储策略并不能很好的适应社交网络数据。一方面是因为社交网络数据的无效数据较多,需要进行过滤以剔除无效数据来节省存储空间和提高数据分析效果。另外一方面是目前的存储策略没有考虑到当前数据对于过往数据的影响,数据之间的联系分析不够。基于以上两点,提出了基于过滤和核心子图提取的社交网络数据高效管理方法。首先,利用伪随机概率模型和对高频关键词敏感的朴素贝叶斯模型进行联合判断,用以过滤出社交网络数据中的无效数据。其次,将过滤后的数据转化为图数据进行分析,在每次数据更新时,计算节点热度、节点度数,同时进行节点热度的辐射以体现出当前数据对过往数据的影响。联合上述三个度量指标对图数据进行核心子图提取。最后,根据提取出的核心子图判断数据的冷热情况,根据数据的冷热进行分离存储。实验结果显示,设计的混合过滤模型、核心子图提取和冷热分离存储策略均具有最优的效果。混合过滤模型花费的时间没有过多高于两个单独的模型所花费的时间,过滤精确率比两个单独的模型提升了6.4个百分点。核心子图提取效果至少是其他方法的1.1倍。经过冷热分离存储后,查询时间比不经过任何处理缩短了36%,比其他方法缩短了至少11%。证明了该方法在过滤、核心子图提取和冷热分离存储策略上的有效性。