近年来,随着计算机网络技术及智能终端的发展,社交网络逐渐成为人们日常生活即时通讯、分享资源、从事商业活动的平台,同时也是覆盖用户广、影响力大、商业价值高的互联网应用。然而,目前基于中心架构模式的主流社交网络发展面临着用户数据集中存储带来的安全隐私,中心服务器宕机导致的单点故障,网络可扩展性低等问题。此外,由于社交用户巨大的体量,社交活动产生了大量的社交资源,从社交大数据中查询有用资源变得困难。而基于人类社会结构构建分布式社交网络新模型天然适配对等社交模式,且每个对等的个体都有一个个性化的信息网络。因此,研究新网络架构模型及社交资源发现算法迫在眉睫,并极具研究意义,可解决目前社交网络架构的缺陷,且能精准查询、识别和挖掘社交大数据中有价值的资源。分布式网络架构模型、新模型下的资源发现方法及资源发现路由优化算法的研究,是分布式社交网络架构及资源发现研究的关键组成部分,研究成果将为下一代社交网络的构建及广泛应用奠定理论基础。因此,开展本研究工作具有重大的理论意义和实用价值。本研究针对主流社交网络发展面临的困境,结合国内外去中心网络研究现状,分析出目前分布式社交网络架构及资源发现方法研究中存在的一些亟待解决的关键问题。根据人类社会学理论和复杂网络理论,借鉴已有的研究成果探索和研究面向下一代分布式社交网络自组织架构模型以及基于该模型的资源发现方法。具体研究内容和创新点如下:（1）针对现有对等社交网络拓扑构建方法的单一性,以及现有模型多数不适合动态性较强的分布式社交网络环境,且现有模型更多关注物理社交网络与其逻辑覆盖网络的映射,较少关注社交网络本身的特性等问题,提出一种自组织分布式社交网络架构模型（Self-Organizing Distributed Social Networks,简称SDSN）。首先,基于人类社会学中社会自组织理论及对等网络技术构造分布式自组织网络总体框架结构。构建具体社交网络节点索引结构,包括本地社交资源索引结构、节点兴趣索引结构、节点知识库结构,可有效解决本地社交资源的快速识别与检索、节点的兴趣向量检索、朋友节点信息本地化存储问题。设计网络路由结构和自组织社交关系。其次,提出一种基于信息指纹技术的节点兴趣指纹生成算法,为分散在网络节点中异构数据提供一种一致性解决方案。接着,依据社会学中社交关系理论和复杂网络拓扑构造理论,设计自适应网络拓扑构建方法。通过海明距离计算网络节点兴趣指纹的相似度来度量网络节点的兴趣相似度。根据社会网络无标度特征及社会关系传递性特征,提出基于兴趣相似度与连接度乘积最大概率的择优连接算法,可有效解决新节点入网拓扑连接问题。根据小世界网络现象提出兴趣相似度邻居关系拓扑连接算法,以期解决网络扰动造成的拓扑失配问题。再者,定义及设计自组织网络查询与反馈消息,包括随机组网查询与反馈消息设计,新节点兴趣偏好择优连接查询与反馈消息设计,兴趣相似性节点拓扑连接探测查询与反馈消息设计,资源发现搜索定位查询与反馈消息设计。最后,设计分布式对等社交网络仿真验证系统,使用真实数据集对本文提出的分布式社交网络模型进行验证,并与典型复杂网络拓扑构建模型进行对比,以验证本文提出的SDSN模型的网络结构性指标和资源搜索定位指标有更好的表现。（2）针对现有对等网络资源发现模型应用于去中心分布式社交网络产生资源发现效率低的问题,本文提出分布式对等社交网络兴趣感知资源发现模型（Interest-Aware Social-Like P2P Model,简称IASLP）。首先,设计社交资源匹配与识别算法,根据节点兴趣域及查询主题检索和识别资源。其次,提出基于社交兴趣感知的自组织社区构建方法,根据社会学中的同质性理论,以及强关系与弱关系理论定义资源分享为特征的兴趣社区,根据记忆与遗忘理论设计兴趣社区知识更新算法。再次,提出社交兴趣感知自适应路由算法,包括兴趣感知路由查询、自适应路由转发策略,在进行路由转发时,提出嗅觉适应性转发节点推荐算法,对转发路径进行预判,提高查询转发效率。最后,使用真实数据集,在SDSN网络拓扑架构上对IASLP模型进行验证,与现有的经典对等网络资源发现模型进行对比,以验证本文提出的IASLP模型在资源召回率、成功查找资源数、查询开销、查询性能指标方面有更优的性能。（3）针对网络扰动及拓扑动态变化导致查询路由失效,以及网络“冷启动”阶段资源发现效率低的问题,本文对IASLP模型进行优化,提出一种基于节点资源价值自适应路由查询优化算法（Adaptive Routing Query Algorithm Based on Resource Value,简称ARQARV）,利用个人信息网络中朋友关系提升资源发现效率。首先,对个人信息网络中“富”资源邻居节点进行抽象表示,并给出“富”邻居资源价值计算方法。其次,为解决网络“冷启动”阶段“零知识”节点较多导致资源发现效率不高的问题,提出“期望优质”邻居发现方法,“零知识”节点优先访问资源预期数大的邻居。再次,提出基于概率模型查询优化方法,能根据本地知识库朋友节点数量实时状况自适应选择查询方法,改进节点“低知识”状态下资源发现效率。然后,依据社会学理论定义网络中的“专家”节点,通过“专家”节点推优策略获知有价值的邻居,指明资源查询“捷径”。最后,与经典资源发现模型在真实数据集上进行对比实验,以验证本文提出的ARQARV模型在资源召回率、成功查找资源数、平均到访节点数指标方面有更好的性能。