目前的社交网络,普遍均有推荐用户的功能。传统的推荐算法,有基于内容的推荐、协同过滤推荐以及混合推荐,已经在许多网络平台上取得了良好的应用效果,但是算法本身仍然存在一些固有缺陷,一些改进的研究方案也很难同时满足高推荐精度和低计算量的要求。随着用户对信息检索系统的个性化、智能化要求日益提高,基于本体的推荐算法成为个性化推荐系统研究及未来网络发展的必然方向。用户在社交网络里发布的信息,在一定程度上可以最真实地体现用户的性格、爱好、审美观等用户属性。因此,从社交网络中选择合适的信息,进行知识发现,然后推荐与用户个人属性类似的好友,在理论上是可行的。本文利用本体,对用户的自然语言表述的特征进行规范化处理,使得计算机可以识别用户语义,并利用本体推理,发掘用户的隐含特征,完善对用户的特征描述。本文最终设计了一套较为完整的匹配推荐策略,实现个性化、智能化的好友推荐。具体研究内容如下:(1)结合软件工程中面向对象的需求分析方法,对社交网络领域进行知识考查,建立社交网络本体模型,并对社交网络本体模型进行了优化。(2)借助已有的语义本体WordNet,对社交网络本体进行补充完善。(3)设计了基于社交网络本体的好友推荐策略,引入熵值法确定概念匹配时各计算因子的权重,从而提高了概念匹配算法的匹配效果。(4)实现基于社交网络本体的好友推荐系统,将样本数据集中的用户关键词转换成本体中的概念,并进行推理,获得目标用户的隐含特征,然后进行好友推荐,验证好友推荐策略的效果。