随着人类步入信息时代,出现了一种以活动为核心的社交网络（Event-based Social Network,EBSN）,并且近年来发展迅猛。面对日益增多的社交网络信息,用户将很难快速获取自己需要的内容,基于EBSN的活动推荐越来越受到人们关注。尽管相关研究日益增加,但是在EBSN中对活动进行个性推荐有特殊的难点:用户参与活动的数量是十分有限的,而参与单个活动的用户数量也有限,并且活动中有些为一次性活动,故用户—活动矩阵十分稀疏;EBSN的社交性质和线下性质决定了活动推荐需要同时满足用户线上和线下的社交关系和个人行为模式,传统的推荐方法无法取得较好的效果。且随着EBSN的发展,对应的推荐方法需要同步迭代更新,这将造成频繁的系统升级。为了解决这些问题,本文提出一种融合多特征因素的改进协同过滤推荐方法,并使用微服务技术构建推荐框架,设计并实现了基于活动社交网络的推荐系统。论文主要内容如下:（1）设计出一种基于微服务的推荐框架。个性化推荐随着系统的发展和数据量的积累,推荐模型本身也需要迭代更新。传统web技术实现的系统在迭代时需要不断的更新整个系统。本文使用微服务技术来设计出一种推荐框架,由微服务实现不同推荐召回策略和排序策略,需要迭代更新推荐模型时,仅需要更新对应的微服务即可完成整个系统功能的迭代升级。基于微服务的推荐框架还提供了多种策略灵活组合的可能性,使系统能够根据使用场景定制化地决定系统推荐策略,找到某一场景下最适合的推荐方法。（2）设计出一种融合多特征因素的改进协同过滤推荐模型。现有的活动社交网络推荐方法多从影响用户参与活动的因素出发,或是根据用户社交关系构建的图模型出发进行推荐。本文根据分析得到的用户行为特征、信息特征、活动特征、社交关系、发布者影响力等特征数据,结合协同过滤模型,将用户行为模式和社交关系等影响因素和协同过滤模型结合,构建一种融合推荐模型。最终向用户提供满意度更高的推荐结果。（3）设计并实现基于活动社交网络的推荐系统。本文将系统设计为两个子系统,分别为利用web开发技术实现业务流程的业务子系统,和利用微服务技术实现的推荐子系统。两个子系统之间进行数据共享交互,实现了用户使用ENSN活动推荐系统的各项基本功能。最后对系统的功能和性能进行测试。