随着社会信息化的发展,移动通信网络数据的剧增,网络的故障告警日志量日益增多,通信运营商难以从数据量庞大、网络节点连接关系复杂的网络日志中,高效精准地挖掘出关联信息。不仅如此,如果通信网络的维护和故障处理不及时,就不能满足用户对网络稳定性的需求,用户体验受到影响。通信网络的健壮性的影响因素也丞待研究。本论文基于以上背景针对存在的问题进行了基于复杂网络理论的信息挖掘研究,主要的研究工作如下:1、针对通信网规模庞大、网络节点连接关系复杂、日志量巨大,难以准确高效挖掘关联信息等问题,基于复杂网络理论构建了通信网络的无向图模型,在图模型的基础上,通过社团检测缩小了单个挖掘过程的网络规模,基于网络连接拓扑结构改进了关联规则挖掘算法。仿真结果表明本文算法有效地提升了算法挖掘结果的准确率,缩短了算法运算时间,从而提升了算法效率。2、针对通信网等实际网络中节点更倾向于与较近距离的节点有更多链接的现象,将业务场景中的问题抽象到理论模型中,研究了复杂网络中节点的地理空间分布对网络鲁棒性的影响。通过搭建空间嵌入模型,设计了仿真实验,并分析了包括空间嵌入强度、平均链接长度和网络节点平均度等复杂网络指标对网络鲁棒性的影响;提出了一种在不改变节点度值的情况下,改变网络链路距离的算法。仿真结果表明,节点在地理空间分布表现出的节点与较近距离的其他节点有更多链接的特点,使得网络具有更好的鲁棒性。本方案针对稀疏网格进行了扩展实验,可以得出相同结论,并且与原始模型对比时发现稀疏网格更脆弱。