随着移动互联网技术快速发展及5G网络的出现,各式各样移动社交网站大量兴起,成为人们生活和工作不可或缺的一部分,网络用户所扮演的角色也发生了巨大变化,逐渐从信息接受者变为信息发布者,在移动社交网站带给大家无数便利和快乐的同时,也导致了移动社交网络中信息过载,网络中海量无序的信息降低了用户使用体验,势必导致用户不断流失,因此产生了推荐系统。在推荐系统的研究中,好友推荐、信息服务推荐成为了社交网络中较为重要的研究方向。与此同时,推荐准确率及推荐精准度阻碍了推荐系统的进一步发展。本文将针对推荐研究中存在的问题进行研究。在移动社交网络中,用户自发形成大大小小的虚拟社区,对网络虚拟社区进行划分可为网络舆情监测、情感分析、搜索引擎及推荐系统等方向研究提供助力。社区划分是将网络中用户节点依次划分至不同集合,保证集合内部节点相似度较高而集合外部节点相似性较低。现有社区划分算法大多基于用户节点相似属性进行划分,缺乏对节点间链接关系的综合研究,为合理分析用户间联系,可以通过引入用户信任程度对移动社交网络用户关系进行描述,以提升网络社区划分质量。其次,目前推荐算法大多基于用户或项目间相似性进行用户推荐或项目推荐,相似性计算维度比较单一,无法适应大规模网络数据的推荐研究;或是在研究方法中要么偏重社交关系、要么偏重兴趣爱好,很少同时基于社交关系及兴趣爱好的推荐算法,推荐准确率有待提高。论文针对现有社区划分算法和好友信息服务推荐中存在的问题展开研究,根据移动社交网络的特点,引入用户信任程度,融合用户相似度提出了一种基于社区划分和用户相似度的好友信息服务推荐算法,通过引入用户信任程度,确保社区划分可信赖,融合用户关系与兴趣相似度进行好友信息服务推荐,提高推荐准确率。本文的具体研究内容如下:首先,论文介绍了移动社交网络的基本理论、经典社区划分算法与好友信息服务推荐算法。给出了移动社交网络中图的表示形式、阐述了社区与社区结构相关理论基础并分析了非重叠与重叠社区划分算法优缺点、归纳总结了各类好友信息服务推荐算法优缺点,为本文后续研究奠定理论基础。其次,提出了一种基于用户信任程度的社区划分方法及用户相似度度量方法,并根据社区划分结果计算用户相似度进行好友信息服务推荐。本文将融合用户交互级别与用户专业知识水平作为用户信任程度的主要因素;在用户相似度的度量中,采取融合用户关系及用户兴趣相似度两个维度的方法;最后基于用户信任程度的社区划分结果,融合相似度计算,让用户找到相似好友及用户感兴趣的信息服务,实现精准综合服务推荐。最后,基于提出的社区划分和用户相似度的好友信息服务推荐算法,选取微博网络数据进行实证分析。基于优化的模块度增量算法,融合用户信任程度与用户节点相似度,提出一种新的社区划分算法,并对获取的微博社交网络进行社区划分,分析总结基于本文社区划分算法得到的划分结果,同时引入准确率、召回率及F1指标三种推荐算法评价指标分别与传统推荐算法和主流推荐算法进行对比分析,从而验证社区划分对推荐算法的有效性及本文推荐算法的可靠性。