随着Internet的发展和各类信息的增长，越来越多的信息充斥在人们日常生活中，其信息过载主要体现在海量的信息使用户很难及时获取所需要的信息。在这种背景下推荐系统[1-3]得到了研究和发展，它根据不同的用户偏好个性化的推荐给用户喜好的物品和项目。例如，目前许多电商已经使用推荐系统向用户提供商品推荐服务，不仅可以帮助用户找到所需要的信息和商品，而且通过推荐系统，网站可以通过保留用户偏好数据从而提高网站的点击率和用户的粘性。此外，社交网络在近些年也得到了快速的发展，如Facebook、Twitter、微博等已经已成为主流的信息分享平台。使用者可以通过直接或间接的关系与其他用户建立关系，并能够很快建立用户自己的社交网络。社交网络的迅速发展伴随着用户规模的扩大和信息更新的加快，社交网络的价值愈发明显。近些年，推荐系统在理论得到了快速的发展，但是随着推荐服务种类的增加和用户需求的提高，智能推荐系统也开始面临一系列的问题。本文对推荐系统中的推荐算法及推荐系统架构等理论和技术进行了讨论和研究。本论文的研究内容主要是充分利用移动终端数据，为移动用户推荐可能的好友。主要涉及推荐系统的分类算法关联规则、推荐系统架构和基于移动平台的推荐应用研究。本论文的主要研究工作如下：①研究社交网络理论、智能推荐系统的国内外现状，分析推荐系统普遍存在的问题，讨论把社交网络、机器学习运用到推荐推荐系统的可行性。②针对本文的应用环境分析了Android架构、推荐系统在移动客户端的应用实例，结合社交网络特性，对比分析了多种推荐算法在移动环境下的应用优缺点。③BP神经网络是一种机器学习算法，该算法意在模拟人脑的学习过程。本文研究和分析将该理论应用到推荐系统的可行性，并将该理论结合社交网络特性应用到移动推荐系统中来。④设计基于社交网络的移动好友推荐算法。包含社交网络隐性数据挖掘、推荐算法设计、机器学习理论在推荐算法上的应用。⑤通过使用数据集对推荐系统进行了仿真，验证了推荐模型的可行性和有效性，最后对试验进行了分析，对推荐算法进行了归纳和总结。