社会化推荐在一定程度上缓解了推荐中的数据稀疏性问题，但是通常仅考虑了社交网络中用户间的局部影响关系。综合考虑用户的局部影响力和全局影响力，提出了基于用户影响力游走模型的社会化推荐算法，该算法根据用户信任关系和历史行为分析用户的局部影响力，通过评估用户的评分质量研究用户的全局影响力，然后将二者有机结合计算随机游走模型中各节点之间的转移概率。通过与以往的算法在均方根误差、覆盖率和F-Measure等指标的实验结果表明，提出的算法在一定程度上提高了推荐的性能。