网络模型广泛用于表示交互单元之间的关系信息以及这些关系的结构含义。最近，社会网络的研究集中在网络的随机图模型上，网络的节点代表个体社会行动者，其边代表行动者之间的特定关系。

社交网络模型的大多数推论都假设观察到了所有可能链接的存在或不存在，信息完全可靠，并且没有测量（例如记录）错误。这在实践中显然不是真的，因为通过抽样调查收集了大量网络数据。此外，即使试图进行人口普查，也会遗漏个人和个人之间的联系（即，不出现在记录的数据中）。

本文发展了基于采样网络信息的推理概念和计算理论。我们首先回顾了实践中使用的网络抽样设计形式。我们考虑从似然框架中进行推断，并开发一种网络数据类型学，以反映在此框架中的处理方式。然后，我们基于自适应网络设计中的信息为社交网络模型开发推理。

我们通过分析链接跟踪抽样设计对协作网络的影响来激发和说明这些想法。