互联网的飞速发展,将人们带入大数据时代。海量的数据给人们带来丰富选择的同时,也给用户快速选择想要内容带来困难,这便形成了信息过载。推荐系统是解决互联网海量数据资源出现信息过载问题的有效方法,但该方法目前仍存在数据稀疏性与冷启动等问题。社交关系信息的融入为推荐系统带来了新活力,并在一定程度上缓解了冷启动问题。目前存在的多种社会化推荐算法在结合社交关系时,将用户的局部影响力作为研究重点,而未考虑用户的全局影响力因素对推荐算法可能产生的影响。社会化推荐目前尚未成熟,仍旧存在一些亟待解决的问题。联系该领域国内外研究现状,本文将社交关系网络中用户的全局影响力作为研究重点,探究了用户全局影响力因素对基于矩阵分解的社会化推荐算法的影响,并以此为依据探索如何充分利用社交关系进行社会化推荐。提出一种结合用户全局影响力的社会化推荐算法,随后,设计实验验证算法的可行性。最后,以此改进算法为参考,构建了一个社会化推荐原型系统。本文主要工作内容如下:(1)详述推荐系统的发展历程,分析该领域国内外研究现状,探索推荐系统领域需要改进的问题,在此基础上阐明了本文的研究重点以及该研究的意义。(2)介绍推荐系统与社会化推荐的相关理论,详述图结构中节点中心性评价指标。基于以上相关技术分析,对全局影响力大的用户在社会化推荐算法中产生的影响进行实验。根据实验结果,将度中心性与基于矩阵分解的社会化推荐算法结合,实验对比改进算法的推荐结果,进一步验证用户全局影响力的重要性。(3)利用改进的LeaderRank排序方法对全局影响力衡量指标进行优化。利用用户在社交网络中的影响力权重调节用户对社会化推荐模型生成过程产生的影响,以此完成对社会化推荐算法的改进。(4)基于结合用户全局影响力的社会化推荐算法,完成一个结合用户全局影响力的社会化推荐原型系统的搭建,并将其用于电影推荐。