社会网络是对社会中的实体及其之间的关系进行建模的有力工具。许多实际应用问题,如信息处理、分布式搜索、消息传播等,都可以基于社会网络模型来进行研究。因此,近年来,社会网络分析吸引了越来越多研究人员的关注。社会网络分析的兴起也使得图(网络)数据管理成为了当前数据库和数据挖掘领域的一个研究热点。　　本文基于图对称理论,对社会网络分析中的若干重要问题进行了研究。图对称理论刻画了网络中的对象(顶点和边)之间在拓扑结构上的等价关系。这种等价关系揭示了蕴含于网络结构中的一种内在的不变性。复杂网络领域最新的研究结果表明,真实网络(包括社会网络)是十分对称的。本文的主要贡献在于首次将网络对称性这一真实网络中普遍存在的重要性质应用到了实际的社会网络分析(尤其是社会网络数据管理)问题的解决中。　　具体而言,本文主要针对社会网络中的实体匿名问题,最短路径查询问题,以及社团挖掘问题进行了深入研究。对于实体匿名问题,本文基于图对称理论提出了可以抵御基于任意结构知识的攻击的k-对称模型,并详细研究了匿名后网络的可用性问题;对于最短路径查询问题,本文基于图对称理论提出了对最短路径索引进行无损压缩的有效算法,大大降低了存储索引所需的空间代价;对于社团挖掘问题,本文基于图对称理论,利用社会网络中的弱邻接现象,提出了一种基于个体之间联系强弱程度的社团挖掘方法,其能够比传统方法发现更多规模较小但语义更丰富的社团。与此同时,本文还简单讨论了图对称理论在社会网络分析其他一些重要问题中的应用,包括顶点重要性刻画,网络健壮性,网络演化,以及子结构模式枚举等问题。