随着移动用户的快速增长以及移动社交网络(Mobile Social Networks,MSNs)规模的不断扩大,移动社交网络中的数据流量呈指数增长,这将给移动通信系统造成巨大的压力。为缓解压力,边缘缓存技术作为5G移动通信网络的关键技术之一,将被应用到移动社交网络中。边缘缓存技术通过将流行内容缓存在靠近用户的边缘处,可以有效减少内容访问时延,提高用户体验质量。但边缘缓存技术中存在边缘节点的缓存容量有限、用户的需求多样化以及用户自私性等问题。为解决这些问题,有必要对移动社交网络中的边缘缓存技术进行深入研究。首先,本文介绍了移动社交网络及其研究热点,同时阐述了边缘缓存技术及其缓存策略。然后,针对数据流量爆发式增长所引发的网络拥塞、用户体验质量恶化等问题,本论文提出一种用户属性感知的边缘缓存机制。利用隐语义模型获知用户对各类内容的兴趣度,进而估计本地流行内容,然后微基站将预测的本地流行内容协作缓存,并根据用户偏好的变化,将之实时更新。为进一步减少传输时延,根据用户偏好构建兴趣社区,在兴趣社区中基于用户的缓存意愿和缓存能力,选择合适的缓存用户缓存目标内容并分享给普通用户。结果表明:所提机制性能优于随机缓存及最流行内容缓存算法,在提高缓存命中率、降低传输时延的同时,增强了用户体验质量。进一步,针对基站和用户的自私性,不愿消耗自身资源为内容请求者缓存内容的问题,本论文提出一种基于激励机制的移动社交网络边缘缓存资源分配策略。基于用户的兴趣与社交关系形成不同的社交兴趣组,宏基站根据组内用户的资源共享度与活跃度来量化不同社交兴趣组对缓存过程的贡献度,进而给予不同的激励。与此同时,宏基站制定单位缓存资源价格,各社交兴趣组基于其缓存资源需求量,向宏基站支付不同的激励。最后,利用分布式迭代方法,获得宏基站的最优缓存资源价格和社交兴趣组的最优缓存资源需求量。结果表明:所提策略相比于其它缓存资源分配策略,有较低的内容传输时延,较高的用户体验质量。