随着社交网络中用户爆炸式地增长,用户每天分享海量的消息,造成了信息过载,因此这对社交网络中用户快速找到感兴趣的信息变得更加困难。一个有效的解决方法是推荐相关的和高质量的信息来源,实现好友推荐,不仅可以帮助用户获取有用信息,而且还能满足用户希望能够与具有相同兴趣的用户进行沟通交流的需求。然而当前社交网络中用户数量庞大,用户的兴趣偏好具有多样性、动态性,这对社交网络中好友推荐带来了巨大的挑战。本文从信任关系和用户兴趣偏好两个角度研究社交网络中潜在好友推荐。通过分析社交网络中用户好友关系的特点,提出了基于信任关系的社交网络好友推荐方法。然后通过分析社交网络中用户文本信息的特点,构建用户兴趣模型。接着结合信任关系和用户兴趣模型,提出了基于信任关系和兴趣模型的社交网络好友推荐方法。本文的主要工作内容如下:(1)分析了社交网络以及传统推荐方法的特点及研究现状,并介绍了传统推荐方法各自的优势与不足,为本文中所采用的社交网络潜在好友推荐方法提供相应的理论基础。(2)对社交网络中用户好友关系信息和微博内容等隐式信息进行量化,为进一步在社交网络中进行数据挖掘提供数据依据。(3)利用好友关系信息与微博内容信息构建信任网络和用户兴趣模型。(4)提出了基于信任关系和用户兴趣模型的社交网络好友推荐方法。(5)设计并实现基于信任关系和用户兴趣模型的潜在好友推荐系统,并通过实验验证好友推荐方法的有效性。最后通过新浪微博和腾讯微博的真实数据集的实验结果表明,基于信任关系和兴趣模型的社交网络好友推荐方法能够有效地提高社交网络中潜在好友推荐的质量,其综合性能比传统的潜在好友推荐方法和基于信任关系的社交网络好友推荐方法更为有效。