近几年来,随着移动互联网的兴起,人们开始从网络信息的接受者转变为信息的产生者。社交网络就是移动互联网下一个典型的产物,有了移动互联网,人们交流更加便捷,人们非常青睐于这种方便快捷的新型社交方式,在社交网站上人们可以尽情地跟朋友交流。大数据时代,信息量增多,所以人物推荐在社交网络中是至关重要的,很多学者开始研究人物推荐算法。现有的人物推荐算法常常是基于用户的属性或者兴趣,给用户推荐相似的好友。很少有研究考虑到人物推荐对用户的信息利益的作用,以及对网络信息流通的作用。所以本文提出了基于弱关系的人物推荐算法,本文的研究主要以弱关系为核心展开。本文首先根据社会学理论,定义了网络中的强弱关系。本文选取了社区发现算法,作为强弱关系的划分方法。原有的推荐算法的评价标准,已经不适用于弱关系推荐的评判,所以本文提出了新的评价标准,用来评价节点异质性信息获取的能力。同时,本文测量了经典推荐算法在新标准上的效果。根据弱关系理论和结构洞理论,本文提出了一个全新的弱关系推荐算法,并且验证了其在异质性信息获取上的效果。实验表明,弱关系推荐算法的异质性信息获取能力比经典的推荐算法好,说明弱关系推荐确实有效。同时,本文也用弱关系推荐算法对经典的推荐算法进行了改进。