伴随着移动终端的普及,移动用户数逐渐趋于饱和,而这促使各移动运营商在挽留老用户、发展新用户以及寻找新的业务支撑点等方面展开了激烈的竞争。此外,OTT(Over The Top)业务的兴起致使移动运营商沦为数据传输的管道,无法触及管道中所传输的巨大价值,这给移动运营商带来了新的挑战。如此复杂的环境迫使移动运营商从原来的以业务为中心转向为以用户体验为中心,而这要求移动运营商必须深入了解用户,将更优质的服务提供给用户。基于移动通话记录构造用户社交群组,并以此来深入了解用户,受到了移动运营商的广泛关注。为此,本文基于移动运营商的通话记录数据,设计了一套用户社交群组的构造方法。首先,对原始移动通话记录进行预处理,使处理后的记录能较好地体现用户的社交意愿;然后,通过分析通话记录中的通话时长、通话次数、通话类型等指标,充分考虑用户间联系的强度、联系的周期性因素,建立相应模型度量用户间的联系紧密度;最后,以用户为节点,所计算出的用户间联系紧密度值为边的权值,将整个用.户间的通话关系抽象为基于社交关系的复杂网络。为了能够针对所抽象出的有权复杂网络进行群组构造并保证群组构造的质量,本文基于复杂网络中现有的优秀社区发现算法,改进并设计了基于派系过滤原理的种子群组构造算法以及结合该种子群组的基于局部扩张原理的群组构造算法和基于标签传播原理的群组构造算法。此外,鉴于移动通话记录的数据量巨大,任何单台高性能计算机可能都无法对其进行高效地处理,本文对所设计的所有内容均进行了基于MapReduce编程模型的并行化设计。本文对所设计的基于移动通话记录的用户社交群组构造方法进行了基于MapReduce的并行化实现,并分别使用基准网络数据集、模拟通话记录数据集和中国移动辽宁分公司的真实通话记录数据集对所设计的社交群组构造方法进行了验证和性能分析。实验结果表明,本文所设计的社交群组构造方法无论是在模拟数据集上还是在真实的数据集上均具有较好的性能,是可行且有效的。