随着在线社交网络产生的数据呈指数增长,对社交网络数据的分析在推荐算法研究中显得越来越重要。然而目前大多数推荐算法存在以下两个问题:第一,稀疏数据严重影响了推荐算法的推荐质量;第二,大多数推荐算法忽略了用户之间的信任关系。因此,为了进一步缓解数据稀疏对推荐质量的影响,本文将社交网络数据引入推荐算法。本文提出两种算法:基于用户反馈信任度的推荐算法、结合用户反馈与圈子的推荐算法。(1)为了在一定程度上缓解数据稀疏对推荐准确度的影响,本文将用户的信任度引入推荐算法中,提出了一种基于用户反馈信任度的推荐算法。通过分析用户之间的信任关系、评分记录来衡量用户的信任度,将其应用到推荐算法中。通过在公开的CiaoDVD数据集、Epinions数据集上进行充分实验,验证了本算法的有效性。(2)为了进一步提高基于用户反馈信任度的推荐算法的覆盖率,本文提出一种结合用户反馈与圈子的推荐算法。本文认为用户的“权威性”仅体现在某一领域。为了通过找到各个领域中的专家来为用户提供推荐建议从而进一步提高推荐算法的覆盖率。本文提出一种基于用户兴趣与信任关系的圈子划分方法。圈子的提出是为了找到各个圈子中信任度较大的用户群体,即每个圈子中的“领域专家”。通过使用公开的CiaoDVD数据集、Epinions数据集验证了本算法的有效性。