1.一种基于社会网络的协同过滤推荐方法，其特征在于，包括以下步骤：获取特征数据集并进行预处理；

构建项目的关联性与流行性的计算模型；

构建项目在用户社会网络关系中的推荐度的计算模型；

构建用户兴趣偏好度的计算模型；

利用预处理后的所述特征数据集分别训练项目的关联性与流行性、项目在用户社会网络关系中的推荐度以及用户兴趣偏好度的计算模型；

根据训练后的所述项目的关联性与流行性、项目在用户社会网络关系中的推荐度以及用户兴趣偏好度的计算模型，计算项目的综合推荐值，根据综合推荐值产生推荐列表；

所述构建项目在用户社会网络关系中的推荐度的计算模型，具体包括以下步骤：计算用户与好友之间的社会相似度、社会互动度以及社会群组相似度；

根据获得的所述用户与好友之间的社会相似度、社会互动度以及社会群组相似度，计算用户之间的社会关系强度；

根据所述用户之间的社会关系强度，计算项目在用户社会网络关系中的推荐度。

2.如权利要求1所述的一种基于社会网络的协同过滤推荐方法，其特征在于，所述特征数据集包括：项目的特征信息数据、用户的历史行为数据以及用户的社会网络关系数据。

3.如权利要求1所述的一种基于社会网络的协同过滤推荐方法，其特征在于，所述构建项目的关联性与流行性的计算模型，具体为，根据项目的销售量、用户好评率以及所述项目在同类项目中的排名，构建项目的关联性与流行性的计算模型。

4.如权利要求1所述的一种基于社会网络的协同过滤推荐方法，其特征在于，所述构建用户兴趣偏好度的计算模型，具体包括以下步骤：计算用户对项目所属品牌的偏好程度；

计算用户对项目的价格偏好度，以及项目的信用偏好度；

根据所述项目的信用偏好度、用户对项目所属品牌的偏好程度以及用户对项目的价格偏好度，构建用户对项目的兴趣偏好度的计算模型。

5.一种基于社会网络的协同过滤推荐系统，其特征在于，包括：数据集获取模块，用于获取特征数据集并进行预处理；

项目关联性与流行性计算模块，用于构建项目的关联性与流行性的计算模型；

社会网络关系中的项目推荐度计算模块，用于构建项目在用户社会网络关系中的推荐度的计算模型；

用户兴趣偏好度计算模块，用于构建用户兴趣偏好度的计算模型；

计算模型训练模块，用于利用预处理后的所述特征数据集分别训练项目的关联性与流行性、项目在用户社会网络关系中的推荐度以及用户兴趣偏好度的计算模型；

综合推荐值计算模块，用于根据训练后的所述特征数据集分别训练项目的关联性与流行性、项目在用户社会网络关系中的推荐度以及用户兴趣偏好度的计算模型，计算项目的综合推荐值，根据综合推荐值产生推荐列表；

所述社会网络关系中的项目推荐度计算模块具体包括：

社会关系计算单元，用于计算用户与好友之间的社会相似度、社会互动度以及社会群组相似度；

社会关系强度计算单元，用于根据获得的所述用户与好友之间的社会相似度、社会互动度以及社会群组相似度，计算用户之间的社会关系强度；

项目推荐度计算单元，用于根据所述用户之间的社会关系强度，计算项目在用户社会网络关系中的推荐度。

6.如权利要求5所述的一种基于社会网络的协同过滤推荐系统，其特征在于，所述数据集获取模块获取的所述特征数据集包括：项目的特征信息数据、用户的历史行为数据以及用户的社会网络关系数据。

7.如权利要求5所述的一种基于社会网络的协同过滤推荐系统，其特征在于，所述项目关联性与流行性构建模块，用于构建项目的关联性与流行性的计算模型，具体为，所述项目关联性与流行性构建模块根据项目的销售量、用户好评率以及所述项目在同类项目中的排名，构建项目的关联性与流行性的计算模型。

8.如权利要求5所述的一种基于社会网络的协同过滤推荐系统，其特征在于，所述用户兴趣偏好度构建模块具体包括：品牌偏好程度计算单元，用于计算用户对项目所属品牌的偏好程度；

用户价格与项目信用计算单元，用于计算用户对项目的价格偏好度，以及项目的信用偏好度；

兴趣偏好度计算单元，用于根据所述项目的信用偏好度、用户对项目所属品牌的偏好程度以及用户对项目的价格偏好度，构建用户对项目的兴趣偏好度的计算模型。