本发明提供一种基于贝叶斯排序的融合社交网络的推荐方法，该方法首先将用户消费过的物品及评分反馈与社交网络组成一个异构图，然后通过一种新的异构图游走方法对异构图进行采样并将采样的数据输入Skip‑Gram神经网络进行学习用户和物品的向量表示。接着使用余弦相似度公式计算用户的向量的相似度，根据用户之间的相似度来识别其最可能具有相似偏好的隐式好友。最后基于每个用户的隐式好友关系，将物品细分为几个互斥的部分，通过贝叶斯个性化排序算法建模，生成每为用户的个性化推荐列表。