針對社交網(wǎng)絡(luò)中的好友推薦問題，提出了一種基于三度影響力理論的好友推薦算法。社交網(wǎng)絡(luò)用戶節(jié)點間的聯(lián)系除了共同好友外，還存在其他不同長度的連通關(guān)系。該算法不再局限于僅以用戶間共同好友的數(shù)量作為好友推薦的主要依據(jù)，而是在此基礎(chǔ)上引入三度影響力理論進(jìn)一步拓展關(guān)系連接，即把用戶間距離三度以內(nèi)的強(qiáng)連接用戶都考慮進(jìn)來，并通過為不同距離長度的連通關(guān)系分配相應(yīng)的權(quán)重，實現(xiàn)好友關(guān)系強(qiáng)度的計算，來進(jìn)行推薦。通過在新浪微博和Facebook社交網(wǎng)站上的實驗結(jié)果表明，該算法比僅依據(jù)用戶間共同好友數(shù)量的推薦算法在查準(zhǔn)率和查全率上分別提高了約5%和0. 8%，顯著提升了社交平臺好友推薦的效果，從而為社交平臺改進(jìn)推薦機(jī)制，以進(jìn)一步增強(qiáng)用戶體驗提供了理論支撐。