近年随着互联网大规模扩展以及各种虚拟社交网络的普及,新浪微博、腾讯QQ、微信、Twitter等虚拟社交网络广泛进入到人们的现实生活中,人们实时的分享着自己的信息以及生活状态。对于这类社交网络,用户彼此之间通过类似“关注-被关注”的方式连接在一起。由于此类社交网络为非实名制,用户会时常碰到不能确定“关注的人”或“粉丝”身份的情况,而且随着信息量的增加这种确定过程变得越来越困难。而事实上这些用户在现实世界当中有可能是熟悉的朋友或者同学等。这就造成了社交网络和现实世界人脉网络的割裂,事实上社交网络是现实人脉网络的延伸,于是帮助用户在庞大的社交网络中发现现实世界中的朋友关系就显得尤为重要。本文分析了社交网络世界与现实世界人脉关系网络的特征,研究了采用半自动输入证据的方式将社交网络世界与现实世界人脉网络相连,并在新浪云上对提出的机制进行了实现和测试。具体工作内容如下:(1)研究了社交网络和人际关系的相关模型,对自动化朋友推荐机制和取得的相关成果做了分析。(2)深入研究了好友过滤算法和用户相似性度量方法,对基于五种不同属性的相似性度量效果进行了测试分析,整合了五种相似性度量属性并与之前的结果做了对比,发现整合属性后的度量结果对于用户推荐的准确率和召回率有明显的提升,随着数据规模的增大,性能更加平稳。(3)针对现实世界和虚拟网络的朋友脱节问题,提出一种半自动化朋友推荐机制并应用于新浪微博系统中。该机制首先获取用户潜在的好友并进行分类呈现,然后对于呈现的好友通过提供证据来确定其在现实世界的身份。若系统中有该好友的真实身份数据,则对应关系完成。若系统中没有该好友的相关数据,则可以通过全微博搜索与该好友对应的证据从而进一步确定好友的身份,同时对证据加以存储,完善好友证据库;该系统可以输入相关证据查找好友,并且对于每一位推荐好友都可以呈现用户与该好友的关系。最后对该系统的推荐效果和性能进行了分析。