随着Cyber空间和现实空间的不断融合交互,基于活动的社交网络平台在推进线下活动的传播方面发挥着重要的作用。社交网络中的活动推荐系统近年来已经吸引了许多研究者的兴趣,它通过分析用户偏好从而为其推荐最感兴趣的社交活动列表。在本文中,我们依据“图论”来研究社交活动推荐系统。首先,我们构建一个异构图来呈现基于活动的社交网络中不同种类实体间的关联关系。基于此构图,社交活动推荐问题被转化为图模型中的节点邻近性计算问题。我们提出了一种新颖的带重启动的逆向随机游走算法来计算用户-社交活动邻近性矩阵,矩阵中的每一项为用户节点与社交活动节点的邻近度,也表征用户对于该社交活动的偏好程度。在实际场景中,社交活动由于其资源限制,其用户容量是有限的,不平衡的用户分配会导致社交活动实际参与人数与其预期规模的失调。因此,基于已获取的用户-社交活动偏好矩阵,我们进一步引入活动容量维度,并提出了两种规模控制算法来协调活动推荐中存在的用户分配失衡问题。在重新分配后,每个用户会得到新的活动推荐列表。新的推荐列表既遵循了用户本人的偏好也从全局角度考虑了活动的容量问题。本文中的算法在Meetup数据集上进行了交叉测试,实验结果表明本文算法在解决活动推荐问题上较其他算法能取得更好的推荐效果,如更高的推荐准确度和推荐多样性等。