ویژگی مهم شبکه های اجتماعی و همچنین علت اصلی شکل گیری آنها، امکان اتصال افراد با علائق مشترک است که سیستم های پیشنهاد دهنده دوست نیز جهت تقویت همین ویژگی طراحی شده اند و تقریبا همه ی آنها به این صورت عمل می کنند که یک مجموعه از علائق و ترجیحات از پیش تعیین شده را تهیه می کنند و افراد مجبورند از میان این علائق، گزینه هایی را که با علائق آنها شباهت دارند انتخاب نمایند. بدین ترتیب هر فرد نمی تواند علائق خود را با استفاده از لغات مخصوص به خود بیان کند. همچنین این سیستم ها برای پیشنهاد دهی دوستان به یکدیگر، از تطابق دقیق علائق با یکدیگر بهره می گیرند و تنها امکان یافتن افراد با علائق کاملا یکسان را فراهم می آورند. هدف از این تحقیق، ارائه روشی جدید جهت یافتن افراد سازگار در شبکه های اجتماعی است به نحوی که محدودیت های ذکر شده برای سیستم های پیشین را برطرف نماید. در روش پیشنهادی، افراد می توانند علائق خود را با استفاده از لغات مخصوص خود بیان کنند و نیازی به محدود کردن افراد به انتخاب علائق از میان تعدادی علاقه ی از پیش تعیین شده نمی باشد. همچنین در روش پیشنهادی دو رابطه جدید به نام های روابط شباهت معنایی و رابطه ی تکمیلی جهت سنجش سازگاری میان افراد تعریف شده است که این امکان را فراهم می آورد که علاوه بر افراد با علائق یکسان، افراد با علائق مشابه و مکمل نیز به یکدیگر پیشنهاد شوند. به علاوه، به علت بالا بودن حجم اطلاعات در شبکه های اجتماعی و زمانبر بودن پردازش، از روش های خوشه بندی به منظور کاهش زمان پردازش استفاده شده است. جهت ارزیابی سیستم پیشنهادی، 50 نفر از مجموعه افراد موجود در شبکه اجتماعی لایوجورنال انتخاب شده و درجه ی سازگاری میان هر جفت از آنها با استفاده از سنجش روابط سازگاری میان علائق آنها محاسبه گردید. سپس نتایج حاصل از محاسبه ی درجه های سازگاری با مجموعه داده های مرجع مقایسه می شوند. نتایج شبیه سازی نشان می دهد که میانگین خطای روش پیشنهادی در مقایسه با روش های پیشین بهبود قابل ملاحظه ای دارد.