移动技术的进步使得人们可以使用社交网络服务相互连接、共享内容、获取信息并购买商品。不同的社交网络会提供不同的推荐,如朋友、商品、工作、电影、书籍等。但是,它们都需要不断建立活跃用户的信誉。这些社交网络提供某种关注用户主要偏好或兴趣选择的推荐服务。现有系统需要很长时间来识别新用户与其他人的正确联系。大多数网站使用简单的朋友推荐算法,如流行度、相似度或者朋友的朋友是我的朋友这些方法,这些都非常直观。在接收到请求后,朋友推荐系统进入数据进行查询,并给出具有最高推荐分数的好友列表。本文建立了一个基于社交网络的朋友推荐系统。第一,该系统计算用户活跃的频率,并根据活跃频率和强度更新数据集。然后使用K-最近邻算法,可以较容易地根据用户活跃情况进行分类。第二,实现了用户的日常生活日记。通过使用具有阈值算法的K-最近邻算法来从中提取用户的生活偏好。系统使用类似的方法来计算用户之间的生活方式或偏好的相似性,并根据公共-私人图形的兴趣来确定用户的影响。本文提出的推荐系统,对小型实验和大规模模拟进行了评估。结果表明,这些建议反映了用户在选择朋友时的偏好。本文提出的一种基于上下文感知的朋友推荐的创新方法,该方法将移动计算与人的关系结合起来,以提高用户的喜好度。