社交是大学生日常生活中必不可少的一部分,学生的社交网络中也蕴藏着丰富的数据信息。探索高校学生社交网络的特点和预测学生之间的关系,可以发现学生社交规律、提前识别异常和极端行为的学生,为高校管理人员提供人性化的参考。因此,本文主要在心理学视角下分析大学生社交网络的特性,并分别提出了社交网络中心性预测方法和友谊关系预测方法。虽然目前国内外学者已经对大学生社交网络分析与预测有了一定研究,但是将心理学和大数据方法结合的工作却很少。因此,从心理学角度分析和探索大学生社交规律仍是一个挑战。首先,本文根据心理学相关知识,构建了不同社交场景下的大学生社交网络。然后,基于统计学和网络科学相关理论,本文对学生社交网络进行挖掘分析,探索网络数据中的规律以及影响网络中心性的因素。同时,本文分析了社交网络中大学生的心理特征和面部认知信息,从而提出SEASON(Social Situation Prediction Based on Facial Perception and Psychological Information)框架,对大学生在不同社交情景下的社交网络中的位置进行预测。最后,本文针对大学生友谊网络场景,提出基于节点属性增强的链路预测框架DEFINE(Node Enhancement based Friendship Detection)。该框架通过扩展节点属性增强的网络表示学习算法,将社交网络中的学生的面部认知特征、心理特征与网络结构特征进行嵌入,从而对大学生之间的友谊关系进行预测。本文提出的大学生社交网络中心性预测方法和友谊关系预测方法在真实的高校学生社交网络上进行了大量的实验分析。实验结果表明,SEASON框架可以更有效地预测大学生在社交网络中的中心性,DEFINE框架可以更有效地预测大学生的友谊关系。