随着互联网的蓬勃发展,我国使用移动设备的群体不断增多,移动设备的数量也正呈现出不断上涨之势,这显然给移动通信运营商带来了非常大的流量负担。当前,移动社交网络正面临的难题是如何在缓解网络压力和满足用户需求之间寻找一种平衡。为此,数据分流应运而生,作为一种新生的数据处理技术在学术领域受到广泛研究。其基本原理是部分用户直接向蜂窝网络请求数据后,利用其移动所带来的机会接触,将数据通过短距离通信分享至邻近用户,起到数据分流的作用。若一定的时间延迟后邻近用户没有收到信息,可借助蜂窝网络自行获取数据。数据分流的关键点之一是如何选择部分用户作为种子节点辅助数据分流。因此,论文研究的内容如下:（1）本文提出了一种基于移动社交网络中用户动态需求的D2D（Device to Device）数据分流方法,DDS（Dynamic Demand Scenario）策略。考虑用户在一天中不同时段的兴趣和移动轨迹,首先构建用于描述用户流量需求的图结构。其次,通过Newman快速算法将移动用户根据其兴趣划分为不同的社团。同一社团中的用户具有相似的数据需求且联系频率高。最后,在每个社团内利用中心性度量算法获取种子用户,最大化蜂窝网络的数据分流。为了优化种子节点,本文对比五种不同的中心性度量方法。实验结果表明,在DDS策略中,基于Page Rank度量方法选择的种子节点分流效果最佳。为了进一步验证DDS分流方案的可靠性,本文设计DDS与其它分流方法进行对比实验。实验证明了新提出的DDS方案的可行性。（2）本文提出基于用户融合社交关系的D2D数据分流方法。此方法首先建立数据内容项和用户信息来表征用户的不同兴趣属性。用户内容评分矩阵被建立以表征用户对某项数据内容的偏好程度。其次,为了探索真实用户的社交关系,使用极值理论计算一个阈值。如果两个用户联系时间超过这个阈值,则认为它们存在社交关系;反之,不存在社交联系。基于此,生成一个信任度矩阵以指示用户的社交关系。最后,融合信任度和内容评分,划分社团,进行种子节点的选择。我们最终提出了TS（Trust-based Scenario）、PS（Preference-based Scenario）、CS（Comprehensive-based Scenario）三种方案,并利用中心性度量策略选择最佳种子用户。其中,CS策略选择的最优种子用户可以与大量用户分享数据,大大减少了蜂窝网络通信量,起到了较好的数据分流效果。论文中新提出的方案充分考虑了用户的动态需求和社交关系。通过大量对比实验,验证了新提出方案在数据分流方面的可行性,能够缓解蜂窝网络流量负载。但该两种方法都未充分考虑用户的自私性。因此,今后的工作将引入激励机制,激发用户积极参与数据分流。