由于网络信息量的飞速增长，帮助用户从数量极大的资源中找到自己所需的信息已经成为一个急需关注和解决的问题。个性化推荐系统是解决此问题的重要途径之一，通过为用户提供个性化的服务，帮助用户发现其可能感兴趣的内容或项目。正因为此，个性化推荐系统得到广泛的研究与应用，目前已经较为成熟。但是，目前关于推荐系统的研究主要是面向个体用户，而实际中存在着许多需要面向群体用户进行推荐的情况，例如为一群朋友推荐餐厅和旅游景点，为一家人推荐电视节目等。另外，社交网络的流行产生了大量的网络群体用户，如何面向他们进行群体推荐也正逐渐成为一个重要的研究课题。本文针对群体用户，在现有群体推荐算法的基础之上，基于社会网络分析法（Social Network Analysis, SNA）提出一种新的群体推荐算法。本文将用户之间的社交关系，及群体内部成员之间地位的差异和评价的差异等因素考虑进来，主要对群体模型的建立这一过程进行改进和创新。首先，在建立个体评分模型时，考虑到用户之间的社交关系，基于SNA计算用户之间的“距离”，并依据距离为目标用户寻找其邻居用户，根据邻居用户对于待推荐项目的评分，对目标用户的评分进行预测，建立个体评分模型。之后，在建立群体评分模型时，先运用尊重策略将个体模型聚合成群体模型，并基于SNA中的“相对中心度”计算策略中所需的权重；再基于“差异度”因素对已得到的群体评分模型进行修正，形成最终群体评分模型。最后依据群体评分模型，做出进一步的推荐。在百度提供的数据集上对本文方法和对比方法进行实验测试，实验结果表明，本文方法能够取得较高的推荐准确度。