基于事件的在线社交网络(Event-based Social Network,EBSN)在近十多年的时间发展迅猛,引起了学术界的极大关注。EBSN是以活动为媒介将线上与线下相结合的社交网络。它包括线上发布活动、预约报名,到线下参与活动的过程,用户既可以线上交友,又可以实际参与该活动,线下交友,这是传统的社交网站没有的。由于线上线下双重网络的复杂性,其信息类型非常丰富,现有许多围绕推荐展开的研究工作,比如单一的活动、朋友、地点推荐,以及最近出现的活动同伴对推荐,但这些推荐算法计算量很大,延时较长,且不能满足用户主动检索数据的需求。检索算法虽然允许用户自主检索,但它的缺点是只能返回与查询关键词直接相关的结果,返回的结果类型较为单一,无法满足用户在实际场景中的需求。另外,用户很可能由于无人陪伴而放弃参加活动。为了弥补上述缺点,并考虑到同伴对用户参与活动的重要性,本文综合检索技术和推荐技术的优点,将关键词检索与推荐技术融合在一起,提出一种新的检索模型:top-k活动同伴对(top-k event-partner,kEP)检索模型,围绕它展开的工作内容包括如下方面:(1)提出一种新的kEP检索模型:用户输入查找活动的关键词,算法返回相关活动并为每个活动匹配一个最佳同行同伴,将前k个最匹配的活动同伴结果对返回给用户。(2)针对kEP检索模型提出一种高效的kEP检索计算框架:(1)设计活动用户的有向图和倒排索引Ⅱ_d,以快速检索数据。(2)设计相似度阈值以提前终止算法。(3)采用rank join边计算边排序的思想,设计并对比rank join的两种检索策略:nested loop join和ripple join。(3)为了进一步提高算法的检索效率,本文提出三个剪枝优化技术:(1)无效活动的剪枝能剔除不可能成为候选结果的活动。(2)关键同伴方法能快速找到结果对。(3)高效的同伴查找方法能快速为某个活动找到一个最佳同伴。(4)爬取EBSN的大量真实数据,在该数据上的实验结果证明三个剪枝优化技术能大大提高检索计算框架的检索效率,ripple join方法优于nested loop join方法。