信息爆炸导致了过量信息资源，使得人们无法集中注意力去寻找对自己有价值的信息，而迷失在海量的信息资源里，这样会降低信息的使用效率。推荐系统因此产生。传统的推荐方法存在评价数据稀疏性问题和冷启动问题，这样会导致推荐的效果不理想。随着社交网络的发展，基于社交网络的推荐算法成为研究的热点，他们充分利用用户的社会关系信息来为用户做推荐。Twitter等的微博类社交工具的出现，引发研究用户影响力这一课题的热潮。　　本文提出的基于社交网络与用户影响力的推荐算法既结合了社交网络中的用户之间的信任因素，又结合了用户之间的相似因素，同时还考虑到用户影响力因素对于推荐结果的影响。　　基于社交网络与用户影响力的推荐主要包括:用户影响力因子计算阶段、用户相似网络构建阶段以及推荐阶段。因为每个用户在信任网络中对其他用户所产生的影响力是不一样，所以我们就改进PageRank算法来构建了一个用户在某一个信任网络中的影响力因子这个参数来作为衡量用户影响其信任用户的一个权重。又因为在社交网络中，无法很好的去权衡信任度传播的问题，我们提出结合用户的相似性和信任网络来推荐。通过相似度传递算法，我们寻找间接相似用户集合以构建用户的相似网络。利用相似网络中的两种类型的候选相似用户集合和用户影响力来进行推荐。