在互联网技术飞速发展的大环境中,网络信息量与日俱增,面对海量数据中寻找感兴趣的信息变的越来越难。推荐系统伴随信息过载问题的出现而出现,能够为用户推荐可能感兴趣的信息,大大减少用户搜寻信息的成本,同时商家可利用这一工具做到精准营销。随着技术的发展,在线社区和社交网络也逐渐兴起,通过网络,人与人之间的互动更加便捷和频繁,越来越多的活动开始以群体为单位展开,由此而带来了以群体为目标的推荐需求。目前针对个性化的推荐研究已逐渐趋于成熟,然而群体推荐系统不同于个体推荐的简单叠加,群体内存在用户偏好差异等各种问题,群体推荐的仍然需要各方面的深入研究。在线社区拥有其自身独特的特点。在线社区网络在发展中逐渐趋于兴趣社区,用户由于相似的兴趣自主形成小规模群体,群体具有明显边界且往往在群体中存在核心用户,主导群体的偏好。根据目前群体推荐的研究现状,本文针对在线社区的特点,研究在线社区核心节点的识别方法,并在此基础上提出基于核心用户群体偏好的群体偏好模型构建方法,改进群体推荐的算法,来提高群体推荐的准确性。首先,本文利用社会网络分析法针对在线社区进行研究,在点度中心度基础上提出以节点核心度衡量节点的核心程度,以豆瓣网电影小组为研究对象,综合考虑了节点在网络中的中心性、节点的网络覆盖程度以及用户自身的属性、粉丝重要程度等因素。在定性分析基础上,对节点核心度进行定量表示。更符合在线社区的实际应用情况。其次,由于核心群体在群体中的主导地位,及其对群体整体偏好的重要影响,本文在以往研究基础上,根据识别出的核心节点确定群体中的核心群体,采用平均满意聚合策略聚合核心群体用户偏好构建核心群体偏好,代替群体偏好,得到初步的群体用户偏好模型。再次,考虑到实际应用中虽然核心群体偏好影响群体偏好向一致性方向发展,但群体中用户间的偏好差异仍不可避免,为了得到更好的推荐效果,在初步的群体偏好模型中考虑非核心用户和核心群体偏好差异因素,构建最终的群用户偏好模型,并进行群体推荐。最后,利用豆瓣网电影兴趣小组数据进行实验分析,验证本文提出模型的有效性。通过研究显示本文所提出改进方法有效地提高了群体推荐准确度、精确度。