社交网络中存在海量用户,如何有效推荐好友是社交网络可持续发展的重要环节,也是社交网络相关研究的重要主题。当前实践及现有研究往往基于用户的显性信息推荐好友,而忽略了用户之间的隐性社会关系;此外,显性信息往往不够完整且存在虚假信息问题。为有效实现好友推荐,本文提出了基于用户社会关系的好友推荐算法,并重点应用关联规则算法分析用户之间的隐含关联度,构造用户之间的网络有向图及关系转移矩阵;然后,结合关系转移矩阵与PageRank算法计算每个用户的分数,将分数较高的用户推荐给目标用户。在此基础上,本文引入用户影响力,提出综合考虑用户社会关系及用户影响力的PeopleRank算法。为验证算法的合理性和有效性,将本文所提出的两种算法与传统的社会过滤算法、PageRank算法进行对比分析。为此,本文抓取了Twitter社交网站上用户数据开展实验分析。实验结果显示本文所提出的算法具有较好的推荐效果,尤其是综合考虑用户社会关系及用户影响力的好友推荐算法在推荐准确率和推荐召回率上都有明显的优势。