个性化推荐在社会网络中具有重要的作用，如何向用户推荐更加准确的资源成为各大社交网站的研究重点，同时如何设计更好的推荐算法也是学术界的一个重大研究课题。　　传统的个性化推荐主要有基于内容的推荐和协同过滤推荐技术。而传统的推荐技术由于没有很好的考虑社会网络中节点之间的关系，因此，无法很好的应用到社会网络推荐中。复杂网络中的链路预测方法中基于路径的指标只是单纯的考虑局部路径和全局路径，并没有考虑这些路径是否具有实际意义，因此，该方法在社会网络的推荐中也没有取得很好的推荐效果。　　本文针对异质社会网络的个性化推荐做了以下几点工作:　　(1)构建社会网络拓扑结构，通过网络拓扑结构抽取出所有的链路，然后人工筛选出具有实际意义的链路。使用这些具有实际意义的链路特征来刻画用户的兴趣倾向，比起链路预测中基于路径的方法更具有针对性。　　(2)将用户的兴趣转化为二类分类问题，我们将用户感兴趣分为+1，不感兴趣分为-1。计算每条抽取出的链路的路径数，将其作为特征向量，建立用户兴趣模型，并且使用SVM对模型进行求解。　　(3)在用户观影数据集上进行实验，通过构造训练集建立用户兴趣模型，使用lib-SVM对模型进行求解，统计最后的推荐准确性，得到了较好的推荐效果，验证了本文提出的方法的有效性。　　本文提出的社会网络个性化推荐方法取得了较好的推荐效果，对研究社会网络的个性化推荐具有一定的参考价值。