互联网上信息的高速增长导致了信息过载的出现，促进了推荐算法的发展。除了经典的协同过滤等算法，随着近年来对复杂网络的研究深入，出现了所谓的二分图资源分配推荐算法。该算法假设产品上都拥有一定的资源，进行一次产品到用户，再从用户到产品的资源分配过程，根据产品上最终的资源进行推荐，但该算法还有可改进的地方。　　本文首先介绍了资源分配的过程，接着分析了产品拥有资源这个假设的合理性，指出资源分配的本质是利用相关用户的选择猜测目标用户的偏好。然后提出在产品和与目标用户有紧密关联的用户间进行资源分配的改进想法，并决定利用社区发现找出这样的用户。所以算法的流程是先利用用户间的社交关系，在用户间进行社区发现，然后在产品和目标用户所在社区进行资源分配，进而进行推荐。　　在豆瓣三个数据集上的实验结果表明，本文所提算法的推荐效果相对于原始的二分图资源分配推荐算法要好。在此基础上，将本文所提算法应用于汉语言社交学习平台上，为用户推荐学习资源。