1、近年來，計算機技術的快速發(fā)展，比如HTML5、Web2.0、GUI等相關領域所取得的突破性成果，促使互聯(lián)網的應用日益普及，其實踐范圍也越來越廣泛，在給互聯(lián)網用戶帶來更多的選擇以及更高的自主性體驗的同時也使得網絡上的信息資源以指數(shù)級別增長，從而造成信息過載的現(xiàn)象。當面對海量的信息時，用戶往往無法快速、準確地找到自己感興趣或者對自己有用的信息，因此在一定程度上導致了時間與資源的浪費，個性化推薦系統(tǒng)就是在這種背景之下應運而生的。目前，個性化推

2、薦系統(tǒng)已成為解決信息過載問題的主要技術，并在長期的實踐應用中取得了良好的成效。然而，現(xiàn)有的推薦系統(tǒng)大多旨在為單個用戶提供推薦，現(xiàn)實生活中，有時卻需要向一個群體提供推薦?；谌后w的復雜性與多樣性，傳統(tǒng)的針對單個用戶的推薦系統(tǒng)算法已不能很好地適用于群體推薦系統(tǒng)。在過去的幾十年里，國內外已經有不少學者認識到了研究群體推薦系統(tǒng)的重要性與緊迫性，并取得了一定進展，但從整體上看，其研究仍然停留在初級階段，諸多問題依然尚未解決。
　　本文基于以

3、上前提背景，結合社交網絡、標簽系統(tǒng)、協(xié)同推薦系統(tǒng)以及群體決策理論提出了基于社交網絡的群體推薦系統(tǒng)算法。首先詳細分析了利用社交網絡中的相關概念來獲取群體用戶權重的框架體系，包括群體的類別、產生以及相對應的社交網絡圖譜、興趣圖譜和權重算法；接著將標簽系統(tǒng)與協(xié)同推薦系統(tǒng)結合在一起，提出了一種混合的群體推薦系統(tǒng)算法以生成群體推薦項目集合；最后融合群體決策理論與權重框架體系對推薦項目進行排序，以得到最大化群體滿意程度的推薦列表。與此同時，本文還對