在线社交网络中的一个关键问题是用户链接信息的标识以及对推荐系统中这些链接信息的反映方式的分析。 解决此问题的基础是用户相似性度量。 在本文中，考虑到用户之间的相似性，用户-资源和标签-资源之间的关系，我们为推荐系统提出了具有社会相似性的非负多矩阵分解。 在此基础上，我们使用用户之间的每一个相似性指标对推荐的不同表现进行了比较分析。 此外，我们的方法还可以向用户推荐朋友，资源和标签。 在Lastfm和Delicious数据集上的实验结果表明，与现有的协同过滤方法相比，该方法可以显着提高推荐的准确性