网络人脉的推荐研究多利用图论的方法，对构造出来的社会网络关系图的结点和边进行探讨，其中结点代表社会网络参与者(即用户)，连结两个结点的边代表参与者之间的某种关系(比如互粉关系)，推荐时主要探讨网络的结构特性，推荐方法简单，推荐指标单一化，没有考虑到用户自身的兴趣偏好。为了解决这一问题，本文进行推荐时主要的研究对象为用户兴趣偏好的载体——话题文本，即用户所发表的话题信息，提出了基于用户话题偏好的潜在人脉推荐模型。潜在人脉推荐模型能深度挖掘用户的话题偏好，把用户在15天之内发表的话题数据通过中文分词、特征选择、权重计算等技术转换成能够代表用户话题的特征向量，同时构建一套精准的话题偏好分类器，利用相似度度量方法对用户话题进行分类然后对同一话题类别下的好友进行推荐。潜在人脉推荐方法主要包括数据采集，话题偏好检测，好友推荐三大部分。实验结果证明，构建的话题偏好分类器具有较高的准确率，推荐结果与基于图论的人脉推荐结果相比，具有一定的现实可行性，而且具有较高的推荐率和准确率。