目前多數(shù)社交網(wǎng)絡(luò)主要根據(jù)已有好友關(guān)系推薦潛在好友，用戶的興趣愛(ài)好不作為主要考慮因素；此外，如何從大量數(shù)據(jù)中精確地提取用戶的興趣愛(ài)好是一項(xiàng)十分艱巨的任務(wù)。為此，提出一種在大量標(biāo)注行為數(shù)據(jù)中精確挖掘出用戶的興趣愛(ài)好，并據(jù)此推薦具有相同興趣愛(ài)好的潛在好友的算法——基于標(biāo)注的好友推薦（ FRBT）算法。首先使用詞頻一逆向文件頻率（ TF-IDF）對(duì)標(biāo)簽進(jìn)行聚類，將語(yǔ)義相似的標(biāo)簽聚成話題；然后在話題的基礎(chǔ)上提出一種新的相似度公式來(lái)計(jì)算用戶相似度；再融合基于話題與基于物品的用戶相似度，將相似度較高的用戶作為潛在好友進(jìn)行推薦。在Delicious數(shù)據(jù)集上以準(zhǔn)確率和召回率為指標(biāo)與item、tag和tri-graph三種算法進(jìn)行比較，實(shí)驗(yàn)驗(yàn)證了該算法能夠更準(zhǔn)確地為用戶推薦興趣相似的好友。