社交网络SN又称为社会性网络或社会化网络,其开放性、互动性和共享性深得广大网民的喜爱,成为网民表达思想、获取信息、互相交流、以及建立社交圈的主要平台。为给社交网络用户提供一种描述其基本特性的表达方式,已有相关研究工作中提出了FOAF项目。但FOAF仅提供简单的网络用户身份标识,已无法满足基于FOAF的SN用户分析研究。因此,如何把SN语义特征应用于用户特征建模,已成为近年来研究者的新关注点。目前,其研究尚处于起始阶段,未形成有效的理论和统一的方法,基于此,本文对已有的研究成果进行比较分析,总结了其在用户服务和商品推广方向取得的进展,并提出待解决的相关问题。主要研究包括以下四个方面：如何挖掘SN用户的真实特征属性和兴趣爱好；如何根据用户的SN信息进行信息融合后的推荐；如何根据用户的SN信息进行信息推理后的推荐；如何判断用户的可信度。从而解决了社交网络用户个性化推荐的一些基本技术问题,形成了基本理论,然后将该方法应用于一个大型真实的电子图书馆中,对其用户进行有效的个性化推荐。本文主要工作和创新点如下：1、设计了VRP视频推荐桌面系统。VRP首先对Web视频用户信息进行分析,包括用户在多个在线视频网站和网络社区上留有分散的个人信息,如观看历史、浏览历史、搜索历史,这些用户文件信息存储于不同主机上的“小”分布式系统中。其次,针对在不同实例数据库需要双向(或单向)访问数据,以及数据访问存在网络限制时,VRP采用DBLink方式,从而将存储在不同地点、不同厂商的数据库的用户FOAF文件进行统一存储,以便于文件信息分析和用户实体识别。VRP弥补了传统视频推荐只根据用户个人观看信息进行分析的局限性,可有效地发现用户朋友的观看信息,同时提供了特定用户特定节目的观看进度记录,并进行同类节目的个性化推荐。2、研究了如何有效利用用户的时空信息进行推荐,提出了一个新的时空信息融合推荐模型BRRUS.该模型在信息融合现有的研究基础上,增加本体并建立融合规则库,可融合用户本身的兴趣及其信任朋友(social trust)的兴趣,并利用明确的FOAF用户信息关系,使用本体推理机方法分析网络用户间的信任关系,同时也可用于用户中的专家发现。该模型使用经典贝叶斯网络作为推理方法,在包含用户时空信息和用户关系的场景中,可对用户提供个性化服务,解决了社会网络中基于时空定位的精准用户推荐问题。3、如何考虑推荐的可信性,如何充分考虑虚拟网络服务的用户最大限度,如何为用户提供直观有效的辨别网络资源,如何保证全网数据可信度是推荐的挑战问题。基于此,本文提出了一个判别网络资源可信度的NSTD模型,该模型借鉴经济学的演化博弈理论,以FOAF协议为基础,分析Web用户潜在关系,从而预测Web资源的可信度。4、将以上提出的用户个性化推荐方法应用到一个真实的数字图书馆EP中。该EP日志中详细记载了来自多个浏览器、多个操作系统和多个登陆点(如移动EP和掌上EP)的用户信息。通过分析EP用户的注册信息和空间收藏信息,改进了经典CURE聚类算法。该改进算法对用户兴趣个性化建模,并可有效发现电子学习资源的潜在关系,从而有效针对不同教育背景用户进行个性化推荐。针对基于社会网络信息融合的个性化推荐,本文提出了理论框架,并给出了实际示范应用,解决了如何从众多社会网络用户的信息中进行融合,实现了网络用户的个性化推荐方法,解决了如何确定用户之间的信任关系,并使之服务于个性化推荐,最终将个性化推荐用于一个成熟的电子图书馆中。