本发明提出一种基于社交网络信息扩散感知的推荐方法，首先获取社交平台用户数据集，创建初始用户社交关系网络图；在此基础上创建社交关系网络概率图，通过概率函数计算每个用户转发消息的边概率值，通过蒙特卡罗抽样获取用户以高概率转发消息的依赖节点集，计算用户整体兴趣度，构建社交网络扩散模型；创建社交关系网络领域图，确保同一消息不会同时推荐给相关性高的用户；通过经典贪婪算法找到用户独立集合，构建启发式感知推荐算法，优化用户消息推荐列表；计算用户总体参与度，评价推荐质量。本发明的推荐方法能够提高用户与社交平台的参与度、参与用户的分布范围，优化推荐质量，解决网络资源利用有限的难题。