社交网络已经随着互联网技术的不断成熟而迅速发展,并深入到人们日常生活中的各个角落。推荐系统根据用户的历史浏览和好友关系,分析用户和好友的兴趣爱好,隐式并主动的向用户推荐物品,已经逐渐成为用户在社交网络上获取信息的重要途径之一。而如何有效的向用户推荐其感兴趣的物品,并获得用户的认可,获取较高的点击率,正是推荐算法研究的核心问题。本文首先介绍了当前推荐系统和社交网络的研究现状,详细分析了个性化推荐系统涉及的不同的推荐算法的应用范围和优缺点,然后结合社交网络的结构特征分析了社交网络的社会关系、信息传播方式和时间因素对个性化推荐系统的影响。当前社交网络个性化推荐算法对好友和物品的个性化信息利用不足,没有充分体现社交网络中人与物之间的个性化关系特征,算法流程计算量大,复杂度偏高。因此,本文重点研究如何充分利用社交网络特性对个性化推荐算法进行改进。本文分析了社交网络个性化推荐与图排名问题的相似关系,介绍了基于图排名问题的Page Rank算法,以及基于Page Rank随机游走思想的Personal Rank个性化推荐算法,同时,结合社交网络的结构特征,提出了用户关系强度和用户对物品的兴趣度的概念和计算方法,讨论了二者对于社交网络推荐算法的重要意义,并将二者统一为权重的概念加入到Personal Rank推荐算法的计算公式中,从而达到改进算法效率的目的,最后通过实验验证了该算法的正确性和有效性。