现今在很多社交媒体或电子商务站点上,为达到隐私保护的目的,用户的个人信息是保密的,例如某用户是否浏览过某话题、是否在此话题上点赞评论等均无法得知,唯一公开的就是话题、物品上的聚合统计信息,即为某话题、某物品点赞的用户总数是多少。因此对于诸如社会化导购或商家等无法获得站点内部数据的人员,以往的推荐方法,即无论是利用用户已经购买过的物品信息的基于内容的推荐方法,还是根据历史行为来计算用户相似度或物品相似度的基于协同过滤的推荐方法等,都不再适用。针对这个问题,本文研究了一种社会网络中利用聚合统计信息的产品推荐相关方法,论文的主要研究工作和创新点包括以下内容:首先,给出社会网络的定义以及社会网络上聚合统计信息的定义等相关概念,并给出基于聚合统计信息的产品推荐问题的具体定义,使用一种面向产品推荐的概率因子图模型表示社会网络,为后续推荐提供基础。接着,研究和实现一种基于聚合统计信息的产品推荐方法PRMAS。在给出的问题形式化描述和相关定义基础上,根据解决问题的两个主要步骤PRMAS方法被分为两部分进行研究:1)基于聚合统计信息的链接预测方法LPMAS:在含有聚合统计信息的社会网络上利用产品推荐概率因子图模型来挖掘用户与商品之间的链接关系,即挖掘出是谁喜爱这些商品并为其点赞;2)基于链接的产品推荐方法PRML:基于已学习到的链接关系,综合考虑用户的兴趣相似度、用户间的关系强度以及产品的热门程度来向用户推荐其可能喜欢的商品。最后,设计和实现实验。在Amazon数据集和CiteSeer引文数据集上的实验结果证明了本文所提方法PRMAS的可行性和正确性。