在人类社会原有的物理活动逐渐向互联网虚拟空间活动演变过程中,人际交流进入了在线社交时代,社交网络层出不穷且规模不断扩大。随着社交网络平台的涌现信息技术得以快速发展,信息传播、获取方法也变得多样化,信息传播成本变得越来越低。越来越多的用户利用社交网络推荐商品、传播信息,社交网络进入信息爆炸的时代。然而,伴随着信息时代的到来,信息过载问题带来的负面影响逐渐显现。社交网络丰富的资源不仅带来了便利也增加了用户负担,用户的选择成本不断增加。为了解决信息过载问题,社交网络推荐技术应运而生。本文旨在利用用户信息,实现社交网络个性化服务推荐,主要内容包括以下几个方面:(1)为了处理社交网络中的文本信息,本文提出了基于谈话内容的话题发现模型。本文将对话文本信息进行文本建模构架有向加权话题图,再利用改进的Newman聚类算法发现话题。该模型考虑了谈话文本简洁且高连接性的特征,提高了话题发现的准确率。(2)为了有效利用社交网络信息实现个性化服务推荐,本文提出了基于用户信息的社交网络服务推荐模型,分别构建基于用户信息的相似度模型和基于服务信息的接受度模型。基于用户层,分析用户兴趣和用户间关系对用户选择行为的影响;基于服务层,考虑服务距离、服务类别、服务质量的影响。该方法充分利用用户和服务信息,更精确有效的实现个性化服务推荐。