社交网络作为现代人生活中必不可少的复杂性连结网络，已经逐渐成为大数据的重要研究对象。社交网络的兴起使得人与人的通讯交流的方式更加丰富，也对社会群体的形成与发展方式带来了深刻的变革。在购物，新闻推送以及针对各种个性化的行为的智能推荐中，大数据技术扮演着越来越重要的角色。 骆宗伟老师向我们讲解了社交网络与大数据智能推荐主题课程。利用三角闭包等推荐的基本原理，将最适当的信息推送给他们。以社交网络的数据处理为基础，判断社交网络中各结点的重要性，其中最具代表性的是page rank的技术，相比较于谷歌搜索和国内主流搜索引擎，这种技术算法应用于网络节点的重要性排序，PageRank认为一个节点对系统施加影响的结果，就是与它相连的节点也具有一定的影响力。骆老师以美国大选民主党和共和党的实例，以及财富分发网络，具体展示了PageRank的具体操作。在社交网络的研究中，也同样涉及了系统科学课程的复杂性研究，其针对摩尔近邻和矩阵分解的应用，将抽象的社群相似度化为可计算的数值进行估计和优化。在针对不同社群的进行区分之后，根据所得到的推荐结果相应的广告投放就需要精准的利用有限的空间，达到最大的效益。在差异化个性化的世界里，网络社交媒体运用这样的手段达到效率效益的最大化。 在如今的实际应用之中，有些公司出现了根据个人网络影响力的大小，在现实生活中提供差异化服务的模式，即使这种行为遭到不少质疑，然而也可以将其视为互联网影响力应用在商业模式上的一种新的探索。在社交网络的研究中，最吸引人的研究工作是对未来的预测，例如对于电影票房和总统选举的预测，在学术层面，针对传染病以及谣言在社会中网络中的传播来类比并刻画社交网络中信息的传播，进而利用传染病动力学及复杂网络理论来对社交网络的传播行为进行建模和预测。这些都是基于海量的具有群体性的数据并运用数据挖掘等技术手段，并由此发掘人类社会的未知规律。 然而，个人认为如今的基于海量数据的预测并不完善，部分群体的地域，文化，自然差异难以仅仅通过社交网络的预测而笃定。展望未来行业发展，我们可以确信社交网络的研究不仅仅依靠海量数据，也要跳出局限的视角，分析特殊性的群体，充分考虑更加贴近真实世界的情况。而如何做到从人群的角度分析完善样本的全面可靠性，我认为是社交网络研究的必不可少的重要环节。其次，一些信息茧房的存在使得基于社交网络的精准推送仅仅是相同领域的重复，而如何开拓针对用户在其他领域的可能推荐，将茧房打破以创造更大的商业利益也是我们如今要思考的问题。