随着web 2.0的不断普及与发展,目前社交网络已经成为互联网上的重要应用,各类社交网站与服务层出不穷,用户数持续增长,带来了十分可观的经济效益与研究价值。对社交网络的网络拓扑特性进行分析,从而探究社交网络发展中存在的优势与劣势成为了一个新的研究方向；同时如何发挥社交网络的优势,以主动模式满足用户个性化的服务要求,成为社交网络服务面临的挑战性课题之一。本文根据自主开发的社交网络平台YOU的数据对该社交网络进行拓扑分析,并在此基础上提出了基于社交网络的用户请求定向推荐算法,并利用该算法对系统进行优化,最后通过实际数据验证了该算法的优点。本文的主要研究内容包括：第一：社交网络分析SNA。本文利用SNA中的可视化分析和网络拓扑分析方法,对SNS校园社交网络平台YOU的数据进行采集和分析,证明了YOU作为社交网络,具有无标度和小世界的特性。同时根据网络特征中反映出来的不足,提出了需要提供一种服务,既能够通过现有社交关系促进借物行为的产生与进行；又能够通过该服务,利用借物行为来促进社交关系的生成和发展。第二：社交搜索技术。本文改进了以往算法中对社交网络中的社交元素涵盖的单一性,综合了社交网络中多种静态与动态的数据,通过结合用户在社交平台上产生的静态用户数据,以及通过与其他用户互动、发布新内容等行为产生的动态数据,结合社交搜索方法和实际系统的需求,提出了一种基于社交平台的按需定制的推荐算法——SRDR算法(Social Requests Directed Recommendation Algorithm)。该算法包括三个模块：SRDR-FR好友关系度、SRDR-PR用户基本资料匹配度和SRDR-C动态数据上下文匹配度,最后通过归一化进行统一。在算法性能测试方面,本文将SRDR算法应用到实际YOU系统中,采用实际用户数据→实际用户反馈的方法,验证了SRDR算法作为基于社交平台的按需定制的推荐算法,优于传统的关键字搜索方法和随机推荐方法,可以满足用户的定向需求并保证推荐的准确性。证明了SRDR算法结合用户社交信息与用户上下文信息,能够很好的满足社交网络的发展以及用户对系统能够进行个性化反馈的需求,为用户的请求及时提供具有社交性的有效反馈。