随着互联网技术的飞速发展，电子商务得到了广泛的应用。电子商务系统在给人们带来信息传递和信息服务的同时，也面临着严重的信息超载问题。人们面对大量的信息时无法有效的找到所需的信息为此浪费大量的时间和精力。电子商务系统为了能给人们提供满意的服务，个性化的推荐系统应运而生。个性化推荐系统的目的在于吸引客户的同时增加企业的销售能力，以及提高服务质量。推荐系统是电子商务技术的重要研究内容，在电子商务领域有着广泛的应用。在众多的个性化推荐技术中，应用最为广泛也最成功的是协同过滤推荐技术。但是协同过滤推荐算法也面临着数据稀疏性、冷启动以及推荐的准确性等问题。在充分了解协同过滤推荐技术的原理以及其面临的问题后，针对于协同过滤推荐技术中存在的数据稀疏问题以及冷启动问题，提出了基于社会网络分析的聚类算法。首先基于项目的属性特征进行项目聚类同时对用户之间的关系基于社会网络分析技术进行凝聚子群分析，然后结合用户对项目的操作信息进行聚类。针对推荐的准确性问题，主要是考虑用户的邻居用户的确定问题，结合社会网络分析中对用户之间信任关系的分析，提出基于社会网络分析的用户相似性改进算法。首先通过分析确定用户之间的信任关系，考虑用户之间的信任关系对用户行为的影响，将信任关系应用到用户之间相似性的计算过程中，得到更为准确的邻居从而给出推荐。最后，本文采用MovieLens数据集进行试验，验证了聚类后的最近邻查询效率以及用户的推荐精度。实验结果表明基于社会网络分析的聚类算法在最近邻的查询效率要优于传统的聚类算法；而推荐的精度也要优于传统的协同过滤推荐算法。