社交网络是以用户为核心,用户间关系为纽带,虚拟再现用户真实人际关系的网络。借助互联网,社交网络把不同地域和不同种族的人联系起来,并为其提供集交流互动和信息分享等功能为一体的平台。推荐系统的出现缓解了在信息爆炸时代数据量巨大、数据结构多样和数据关系复杂所带来的信息获取缓慢与效率低下的问题。好友推荐作为推荐系统所提供的服务之一,为社交用户在维系好友与拓宽人脉上发挥着关键的作用。用户因个性差异在社交网络中扮演着多个角色,不同类别的用户所适用的好友推荐方法也不尽相同。因此,本论文在分析和总结近年来国内外社交网络和推荐系统研究现状及相关成果的基础上,展开面向社交用户的层次化推荐和自适应推荐系统两方面的研究,主要的工作和创新点如下:1.本论文设计一种基于二部图的层次化推荐模型。首先,简化原生的社交网络结构,把用户划分到多个重叠社团并构建社团-用户二部图。其次,基于社团-用户二部图以用户在图中的结构特征和自身所具有的属性特征两个维度实现角色划分,构建不同角色下的用户-用户二部图。最后,基于用户-用户二部图计算用户相似性,生成好友推荐列表,实现层次化和个性化推荐。2.本论文研究和设计一个面向社交用户的自适应推荐系统。不同于为全部用户统一使用一个推荐算法的传统方式,考虑到不同特征用户所适用的推荐算法不同,本论文把多个推荐算法以统一的标准接口集成到推荐系统中,引入自适应提升算法AdaBoost并基于用户特征生成推荐算法分类器。当社交用户在网络中产生行为时,系统感知该改变并触发分类器,自适应地匹配或更新用户当前所适用的推荐算法。最后,本论文通过豆瓣网的真实数据,对所设计的模型和系统进行验证。