随着移动网络的快速发展,移动社交应用日新月异。其中,多媒体数据(视频、音频、文本等)的分享是移动社交网络的重要应用之一。在移动社交网络中,移动社交用户可以使用便携的无线通信设备自由方便地创建和共享多媒体数据。但日益增多的用户数量促使了多媒体数据的迅猛增长,从而给蜂窝网络产生了巨大的流量压力。在多媒体数据中,视频数据所需的网络传输资源最多。设备到设备(D2D)通信是解决蜂窝网络负担的一种重要方法。为了使用D2D通信来传输社交网络的视频数据,需要解决2个问题:一是预测社交网络中的视频会被哪些用户观看,二是如何通过多跳的D2D通信,将视频数据从视频源用户传输到会观看视频的目的用户。本文针对视频预取预测和视频数据D2D传输问题展开研究,主要研究内容如下:(1)基于社交关系和视频内容的视频预取的预测。视频预取预测的目的是预测视频数据是否会被用户观看,是使用D2D传输实现视频预取的基础。现有的视频推荐算法大多集中在TOP-N问题上,即推荐多个视频给用户,但很少有文献研究视频是否会被用户观看的预测问题。本文提出了一种基于社交关系和视频内容的视频预取预测方法SCVP(Social-and Content-aware Video content delivery Prediction method),设计了五个指标来评估用户活跃度、用户之间的社交关系、用户兴趣和视频内容的相似性、视频之间的相似性和视频受欢迎度等五个因素,并使用组合预测来整合这五个因素对预测的影响。实验结果表明提出的方法SCVP能够有效得提高视频预取预测的准确性。(2)基于用户相遇历史和社交特征的视频数据D2D传输。由于社交用户的移动性,很难找到能够将数据稳定传输到目的用户的D2D路径,从而导致数据可能不能被成功得传输到目的用户。因此,高效的路由算法对于提高视频数据D2D传输的性能是至关重要的。也即,如何选择合适的移动社交用户作为中继用户,是使用D2D传输视频数据的一个重要问题。现有的路由算法主要根据用户间的相遇历史或社交媒体内容来设计路由算法,很少有文献捕捉用户社交特征所反映的用户间的物理位置邻近关系及其对中继节点选择的影响。本文首先引入一种综合考虑用户社交特征和用户相遇历史的中继节点选择指标,并在此基础上提出了一种选择数据传输中继节点的路由算法RES(Routing based on Encountering history between users and Social features of users)。实验结果表明算法RES能够有效提高数据的传输成功率、平均传输延迟和平均跳数性能。