随着电子商务和社交网络的飞速发展,社会化商务逐渐崛起。尤其是随着“互联网+”思想的普及,传统电子商务也逐渐升级转型,融入越来越多的社会化元素。社会化商务一改传统电子商务信息单向交流模型,增加了用户在线互动的机会,提高了用户粘性和用户转化率。但是,由此导致的信息过载问题也随着大数据时代的到来而不断加剧,如何在海量信息中为社会化商务用户推荐其感兴趣的商品,最大程度地满足用户的需求显得势在必行。精准有效的社会化商务推荐方法俨然已成为吸引潜在用户、减少用户盲目搜索时间、转化用户购买率的关键技术之一。设计合理的社会化商务推荐方法是社会化商务推荐的前提,但目前针对社会化商务推荐方法的研究还停留在传统的电子商务推荐层面,社会化商务涉及到较多的多源异构对象信息,传统的推荐方法已不能有效解决社会化商务环境下的推荐问题。因此,探讨适用于社会化商务的推荐方法是十分必要的。根据社会化商务的特点与超图模型的特性——可对多类型的数据节点统一建模,认为社会化商务推荐过程中对用户和商品相关的多类型信息所进行的分析可以利用超图模型来充分挖掘目标用户的兴趣偏好,精准捕捉目标用户的需求信息。由于社会化商务场景中数据海量、类型异构,并且推荐的过程中存在一定程度的用户冷启动的问题,本文设想首先建立社会化商务场景下多类型对象信息的超图模型,通过对其超边权重及其相似度矩阵的计算进行多类型对象信息的聚类,再在各个聚类簇形成的超图子模型中对目标用户感兴趣的商品进行排序,然后形成推荐列表,接着将推荐列表中排名靠前的商品推荐给目标用户,以完成社会化商务的推荐过程。目前,与推荐方法相关的一些研究领域已经引起了诸多专家学者的关注,并取得了相当成熟的研究成果,但是考虑到社会化商务的社会性属性和大数据特性,,针对多类型信息的社会化商务推荐方法的研究方法还很少涉及,尚未形成系统的研究体系。而超图模型恰恰能将不同类型的数据对象置于统一框架下进行研究,因此,有必要对基于超图模型的社会化商务推荐方法进行深入的研究,这项研究具有重要的理论和现实意义。本文主要完成了以下研究工作:（1）通过超图模型的研究,针对社会化商务中多类型对象之间的高维关系,提出了社会化商务超图模型的构建方法。（2）通过对社会化商务超图模型的分析,针对社会化商务呈现出的大数据特点,提出了基于超图模型的聚类优化方法进行离线聚类,能有效缓解推荐过程的用户冷启动问题,同时缩短在线推荐的时间,使之能够更好的适用于包含多类型、大规模数据对象的社会化商务的商品推荐问题。（3）在基于超图模型的社会化商务聚类基础之上,提出了基于聚类结果的社会化商务推荐方法。即通过改进的流形排序方法计算得出商品的排序列表,可对目标用户感兴趣的商品进行有效排序,然后剔除用户已购买过的商品,将最终排序靠前的商品推荐给目标用户,即完成社会化商务推荐。（4）结合实际社会化商务网站,将本文提出的基于超图模型的社会化商务推荐方法应用到社会化商务场景下的商品推荐过程中,根据网站的概况特点和采集到的实际数据信息进行合理建模和计算,推荐出用户感兴趣的商品,最后利用推荐效果评估指标与经典推荐方法形成的推荐结果相对比,证明该方法的可行性和有效性。研究结果表明,本文提出的基于超图模型的社会化商务推荐方法,能够为解决现实中社会化商务网站的商品推荐问题提供参考,其所包含的聚类方法也为多属性数据信息的聚类问题提供借鉴。此外,该方法还可以扩展到社会化商务网站中的好友推荐或标签推荐等领域,具有很高的借鉴价值。