随着互联网的快速发展，电子商务系统的规模越来越庞大，给人们带来了快捷和方便，但是这种便利性同时也带来信息过载的问题。推荐系统作为信息过滤技术中非常重要的一种方法，能够有效地获得用户的兴趣，为用户推荐其喜好的商品。然而传统的协同过滤推荐主要把用户-项目评级作为唯一的标准，忽视了用户之间的社会网络关系，导致推荐效果不够理想。本文综合分析了国内外协同过滤推荐系统的现状，对协同过滤推荐作了进一步深入的研究。　　首先，为了提高协同过滤推荐的精度，将社会网络中的信任信息引入推荐系统中，提出了一种基于社会网络信任的协同过滤推荐算法。基于信任关系的传递性，计算得到间接信任并做量化处理，通过将信任融入到协同过滤算法，有效提高了推荐质量和准确度。　　其次，针对现有协同过滤推荐模型中的数据稀疏性和用户预测精度问题，通过对网上酒店预订的数据进行处理，结合 K-means聚类算法对项目属性进行详细划分，利用均方根误差RMSE和覆盖率作为评价标尺，有效提高了预测精度。　　最后，基于Epinions数据集和缤客酒店数据集，做出相应的实验过程验证，一个是将本文提出的推荐算法和已有的推荐算法进行比对，二个是考量不同参数下推荐精度和覆盖率的变化情况，实验数据表明，本文算法和协同过滤推荐方法都具有较好的推荐精度和覆盖率。