社交网络中连接多个不同社团的节点称为结构洞节点。部分已有的结构洞检测方法虽然可以检测到结构洞节点,但存在一些不足。比如,已有基于网络拓扑的结构洞检测算法存在精确度低,时间复杂度高、可扩展性差的问题;在检测结构洞的过程中只考虑网络拓扑结构而没有考虑网络动作日志的问题。为了高效准确的检测社交网络中的结构洞节点,本文的主要研究内容如下:一、首先,本文提出了基于二步邻居拓扑结构的一种新结构洞检测方法。在传统有效规模度量基础上提出了新的结构洞度量E-Burt,利用节点与其二步邻居构成的拓扑关系来计算节点的有效规模,用该结果作为结构洞节点重要性的评价指标,计算每个节点的结构洞度量值。针对结构洞度量E-Burt,提出并实现结构洞检测算法E-B算法。E-B算法每次模拟迭代将选中的结构洞节点度量值置为零,下一次迭代只计算该节点二步邻居的有效规模,大大降低了时间复杂度。对算法的正确性进行了证明,验证了算法的时间效率,分析算法的精确度,并与存在的经典结构洞检测算法进行对比。二、其次,结构洞占据者不仅具有控制优势,还有信息优势。基于这种思想,本文提出了基于动作日志的结构洞挖掘算法,主要分为三个步骤:1、在真实数据集上收集统计给定网络的历史动作日志记录,采用关联矩阵和动作日志联合建模;2、在模型学习过程中,采用扩展的期望最大GEM算法。在真实数据集上迭代更新参数,直至收敛;通过执行GEM算法,网络中的每个节点获得一对参数,该参数对分别表示节点在社团的积极参与得分和消极参与得分。3、根据参数对执行Top-k结构洞检测算法,该算法综合衡量每个节点的积极得分和消极得分,并对所有节点排序,选择Top-k个节点得到结构洞集合。实验对比发现,基于动作日志的结构洞检测算法可以更加准确地找到结构洞集合。