互联网技术的日新月异给用户带来了巨量的内容，传统的个性化推荐方法已经很难帮助用户从大量冗余信息中挑选出符合自己兴趣的内容。随着社交网络的兴起，学者们提出了基于用户社交网络信息的推荐方式解决传统方法存在的数据稀疏性的问题。但是基于社交的推荐算法通常都是自动执行，用户没有参与到推荐过程中去，得到的结果不一定是用户所需要的，而且基于列表展示结果的方式，用户很难发现信息间的联系。因此，用信息可视化的方法将基于社交推荐的整个过程展现出来非常必要。　　本文主要研究了基于社交信息的推荐技术、信息可视化技术，并重点研究了信息可视化技术中网状结构数据的可视化方法。基于粒子群优化算法和信息可视化中的图布局方法，提出了一种基于改进粒子群优化算法的图布局可视化方法，这种方法可对节点进行了子群的划分并定义了自适应加速系数，可以有效的减少边交叉数;基于图布局经典的FR算法，提出了EFR算法，解决了原有算法在节点增多时节点与边距离较近的问题。本文将改进后的算法与相似算法进行了比较分析，同时根据算法的各自特点将其分别运用到基于社交信息推荐过程中的社交网络可视化和推荐信息的可视化中。　　最后，我们构建了大众点评网的可视化推荐系统，该系统实现了基于社交信息的餐厅推荐、购物推荐和新好友推荐功能，将基于社交信息推荐的过程用可视化的方法展现出来，满足了用户参与到推荐过程中的需求。