近年来,社会网络数据逐渐成为一种新颖的、日益重要的数据类型。相对于传统的数据类型,社会网络数据更加复杂,表达的语义更加丰富。体现在：一、社会网络的实体规模往往数以百万计,有时甚至千万或者上亿,实体间的关系在最坏情况下与实体规模成平方关系,更加大了数据规模；二、社会网络中的关系往往存在不确定性,比如关系的强弱、方向、类型等,这样就对社会网络数据的查询增加了难度。针对如此复杂的数据类型,寻找到有效的数据组织方式以及高效的查询处理方法,对于提高社会网络数据的质量和效率分析是非常必要的。本文以社交网络好友关系为研究对象,为其建立图模型；在此基础上设计和使用图查询优化技术进行好友关系的最短路径查询。首先介绍了已有的最短路径查询算法,然后设计了基于双曲空间的最短路径查询算法。该算法将社交网络图映射到双曲坐标系统中,社交网络图中节点间最短路径长度的查询就转化成坐标系统中节点间距离的计算,从而有效地将使用广度优先搜索(BFS)的计算开销O(n+m)降低为O(1)。实验表明,基于双曲空间的最短路径查询算法的效率和准确性都比较高。最后将该算法应用于图的分离指标的计算、图的中心势的计算和按距离排名的社交搜索三个实际需求,进一步验证了算法的实用性和准确性。