1.一种融合社会网络和项目特征的移动应用推荐方法，其特征在于，包括以下步骤：

1)从表征移动应用项目的节点集合中随机取出k个节点作为观测点；

2)利用如下所示的项目相似度计算公式，计算项目与每个观测点之间的相似度ItemSim(A,B)：ItenSim(A,B)∈[0,1]，如果项目与观测点完全相同，则相似度ItemSim(A,B)为1；如果项目与观测点没有任何的共同特征，那么相似度ItemSim(A,B)为0；其中，distant(A,B)表示A与B之间的语义距离，ε为调节因子，取值为1，用于防止distant(A,B)值为0；depth(A)表示项目A所在节点的深度；depth(B)表示项目B所在节点的深度；

density(A,B)表示A与B最近的共同祖先的子节点密度；α、β、γ取值范围均为[0,1]，且α+β+γ＝1；

3)根据经上述步骤2)计算得到某节点与k个观测点之间的相似度，将该节点划归到相似度最高的观测点为中心的簇中；同理对所有节点进行划归，形成k个簇；

4)将每个簇中到簇中其它所有点距离和最小的点作为新的观测点；

5)迭代步骤2)～步骤4)，直到这k个观测点收敛，得到最终的簇；

6)计算目标用户u与其它用户在项目评分经历上的相似度；计算目标用户u对其它用户的信任度；根据top-N最近邻选择策略，选择在项目评分经历上相似度最高的N个用户和信任度最高的N个的用户作为目标用户u的相似最近邻和信任最近邻，分别记为相似用户集合S和信任用户集合T；N为正整数；

7)利用下式预测目标用户对未评分项目的偏好r″u，i：

r″u，i表示用户u对项目i的预测评分；其中，UserSim(u,us)和trust(u,ut)分别表示用户的相似度和信任度；表示两个最近邻集合的评分预测在计算中所占的权重； 表示用户u评分的均值；us为相似用户集合S中的某一用户， 表示用户us评分的均值；ut为信任用户集合T中的某一用户， 表示用户ut评分的均值； 表示用户us对项目i或其相似项目的评分； 表示用户ut对项目i的评分；

8)根据用户对未评分项目的预测评分，选择预测评分前top-N的项目作为推荐项目推荐给用户。

2.根据权利要求1所述的融合社会网络和项目特征的移动应用推荐方法，其特征在于，distant(A,B)计算公式为： 其中，l表示连接A，B的最短路径的边数，weighti表示连接A，B的最短路径上第i条边的权值。

3.根据权利要求2所述的融合社会网络和项目特征的移动应用推荐方法，其特征在于，depth(A)的计算公式为： 其中，d表示节点A与树根的最短路径中所包括的边数。

4.根据权利要求3所述的融合社会网络和项目特征的移动应用推荐方法，其特征在于，density(A,B)的计算公式为：density(A,B)＝p/w，其中，p表示A和B最近共同祖先的子节点个数；w表示A和B与最近共同祖先所组成的子图的深度。

5.根据权利要求4所述的融合社会网络和项目特征的移动应用推荐方法，其特征在于，利用下式计算用户相似度：其中， 是用户u1对应用ak的评分， 是用户u2对应用a′ k的评分，

ItemSim(ak,a′k)表示应用ak与a′ k之间的相似度， 是用户u1对曾经评价过的应用的均值， 是用户u2对曾经评价过的应用的均值，ak和a′ k是相似应用，n表示相似项的数目。

6.根据权利要求5所述的融合社会网络和项目特征的移动应用推荐方法，其特征在于，从社交网站获取用户交流信息长度、交流频率，利用下式计算用户的信任程度：trust(u1,u2)表示

用户之间的信任程度，其中， 表示与用户u1有交流信息的用户的集合，λ为调节因子，取值范围为[0,1]， 表示用户u1,u2之间交流信息的长度，表示用户u1与其他用户之间交流信息长度的最大值， 表示用户u1,u2之间交流的频率，表示用户u1与其他用户之间交流频率的最大值。

7.根据权利要求6所述的融合社会网络和项目特征的移动应用推荐方法，其特征在于，利用下式计算用户u’对项目i或其相似项目的评分r′u′，i：其中，Ai为项目i的相似项目集合，ItemSimi,j表示项目i，j之间的相似度，ru′，j表示用户u’对项目j的评分；上述公式含义为：当用户u’对项目i有评分时，则使用该评分值ru′，i；当用户u’对项目i没有评分时，取用户u’对项目i的相似项目的评分集合来计算用u’对项目i的近似评分。