随着社交网络的快速发展,在线网络社交平台成为了现代人们主流信息交流渠道。首先,网络用户影响力作为用户信息传播能力的度量指标,被广泛使用在社会热点新闻挖掘及舆论导向等研究领域,研究社交网络用户影响力有助于挖掘网络信息传播关键路径和关键节点,为相关部门如何加快正面信息传播和控制负面信息扩散提供决策支撑。其次,通过目前主流的社交网络平台,用户不仅可以获得相关帮助和感兴趣的信息,还可以结识更多的好友,从而扩展自己的好友圈。这些都很有意义。本文主要的工作有以下两点。第一,针对传统PageRank算法采用均值分配方式进而造成PR值损失问题,提出一种参数可调的社交用户影响力衡量方法,该方法首先是考虑PageRank算法PR值分配规律,通过分析用户行为发生频率计算得到对应可调参数,然后将可调参数与计算用户交互行为影响力公式相结合得到调整后的PR值,最后再考虑用户社交关系影响力,综合得到社交网络用户影响力度量公式。该算法与其它算法在相同数据集上进行对比实验,计算得到的RMSE值最小,进而表明该算法得到的用户影响力排名结果更接近于真实的用户影响力排名。第二,随着移动设配的GPS定位数据不断增长,大数据驱使的基于位置信息好友推荐系统受到了广泛的关注。研究人员借助于精准的定位服务技术,可以随时了解用户所在的位置信息,通过分析用户签到的位置名称信息,进一步能挖掘出用户兴趣爱好等重要信息。为了给网络用户推荐更多位置相邻的好友,从而提高基于位置好友推荐系统的性能,本文提出一种基于时空关系的好友推荐算法,该算法主要是考虑用户签到具体位置和签到时间相关的信息,使用数学建模方式在三维空间上建立签到位置距离与时间跨度的空间度量模型,结合用户社交关系以及基于位置挖掘出的用户兴趣爱好相似度,综合考虑得到评价用户相似度的度量公式。该算法与其它算法在相同gowalla数据集进行对比实验,准确率和召回率都有更好的表现。