近年来，互联网不断发展与普及，尤其是手持设备的智能化与移动互联网的普及化，使得用户数量增加，在线时间加长。在这样一个互联网浪潮中，参与的用户在不断地将线下社交人脉往线上迁移，由此形成了社交网络。在社交网络中，志趣相投的用户聚集到了一起，并且由于用户可以选择关注自己感兴趣的内容，使得社交网络拥有高访问量和高聚集度的特点。从阿里巴巴与新浪微博的合作推广，到Facebook个性化广告系统的繁荣发展，都是社交网络的商业化进程的体现。而其中对用户兴趣爱好进行挖掘分析，并向用户推荐其最可能感兴趣和接受的商品或广告的核心，便是基于社交网络的推荐系统。本文首先介绍了国内外在社交网络和推荐系统两个领域的研究现状，总结了当前对基于社交网络的推荐系统的已有理论成果。然后，本文针对社交网络进行建模分析，并详细阐述了用户关系网、用户和物品特征、用户好感度的概念与数学公式化计算方法，以用于处理社交网络关系图。接着，在此基础上提出社交网络查询方法，并结合随机森林分类器框架，形成了基于社交网络影响力模型的推荐算法。本文在提出了推荐算法的基础上，对其进行系统设计与分析，开发了一套基于B/S模型，并拥有可移植性的，模块化的推荐系统。文中首先对系统的整体结构设计进行总述，以及针对其中的主要功能模块进行详细解析。然后，说明开发环境与相关技术，并对系统的具体实现进行展示。最后，本文采用数据集针对提出的推荐算法进行参数实验、冷启动实验和算法耗时实验。通过实验结果分析，本文实现的基于社交网络影响力的推荐算法能较好地解决冷启动问题，并能够通过缓存策略而在算法效率方面有较好的表现。