随着社交媒体的发展,在线用户可以轻松地与朋友分享他们在产品或服务上的体验。而社会化推荐系统可以用于个性化定制适合用户需求的产品。现有的社会化推荐方法试图考虑社会化信息以提高推荐性能,但是它们没有区分不同社会化信息的影响并且没有对社会化信息进行深入分析。在本文中,将从社会化关系多元性和社会化关系强度两方面进行研究。考虑社会化关系多元性的个性化推荐方法,利用好友信息和群组信息扩展了传统的贝叶斯个性化推荐模型。首先,构建三组偏序关系假设,划分反馈集合。然后针对偏序关系假设构建融合好友信息和群组信息的贝叶斯个性化推荐模型。考虑社会化关系强度的个性化推荐方法,利用深度学习中的分层注意力机制学习好友信息、群组信息和标签信息对用户偏好的影响权重。对于不同的用户,底层注意力模拟不同元素对信息的特征表示的影响,顶层注意力模拟不同信息对用户兴趣偏好的影响程度。实验结果显示,本文提出的两个方法可以有效地提高推荐的准确性,减轻稀疏性问题。同时,两个方法均对社会化信息进行深入分析,可以促进社会化商务的发展。