随着Web2.0技术的蓬勃发展,全球互联网进入了SNS时代。各种不同的SNS网站不断涌现,如Facebook,twitter,Myspace,Flickr等。在这类网站上,用户可以添加其他用户为好友。对于一个用户,添加哪些用户为自己的好友成了一个困难的问题。社交网站中好友推荐系统就是针对这一难题而出现的。本文详细分析了社交网络上好友推荐机制,研究了热点好友推荐和个性化好友推荐两类问题。在热点好友推荐部分,本文提出了社交网络中用户的行为模式,从用户档案的创建、内容创建和关系建立三方面来描述用户的行为模式。其次,提出了社交网络中网页访问模型。在此基础上,设计了一个评价指标来衡量用户的热点度,热点度高的用户被推荐为热点好友的概率大。最后,通过实验,分析了Flickr网站上用户的信息传播贡献值,即热点度的分布。实验发现,热点度的分布成幂分布型。这一结果表明,大多数用户拥有比较小的热点度,只有少部分用户拥有比较大的热点度。在个性化好友推荐部分,本文将三种算法用于个性化好友推荐问题,三个算法分别是Naive算法、Personalized PageRank算法、基于图的多类关联对象降维算法。通过实验分析三个算法在好友推荐中的效果,实验结果表明多类关联对象的降维算法要优于前两种方法。这主要是由于多类关联对象的降维算法利用了更多的用户信息。