随着电子商务迅猛发展，在线商品数量的迅速增长，用户在海量的信息中不容易找到最适合的商品，因此各种商品推荐系统应运而生。目前，基于内容过滤和基于协同过滤的推荐系统已经得到了比较广泛的应用，包括Amazon、eBay、YouTube和Google在内的诸多网站都采用了不同形式的推荐系统，并产生了巨大的商用效益。基于社交网络的商品推荐系统起步较晚，但具有其独特的优势。根据在美国的一个消费心理测试，消费者在网络上看到推广和朋友推荐两者之间的影响推动力相差12倍，人们购物商品时更倾向于朋友的推荐。因此，基于社交网络的商品推荐系统，可以更好地将用户潜在的需求转化为实际购买行为。特别是这几年国内外社交网络爆炸性地增长，为社交网络和电子商务的结合提供了肥沃的土壤。基于社交网络的商品推荐，首先要解决的就是信任问题，这直接关系到推荐的效果。因此信任模型的研究对基于社交网络的商品推荐系统尤为重要。本文首先介绍了目前国内外在推荐系统和信任模型方面的研究现状，指出了论文的研究内容，接着介绍了一些具体的推荐算法和信任模型。然后，本文设计了一种社交网络信任模型以及建立在其基础上的商品推荐算法。对于社交网络信任模型的设计，我们主要从多维性和动态性这两点考虑。对于商品推荐算法，我们考虑了其可扩展性。基于前面提出的社交网络信任模型和推荐算法，本文在进行系统整体分析和设计的基础上，实现了一个基于社交网络信任模型的商品推荐系统。最后，本文对系统进行了功能测试和性能实验。经过对实验数据的分析，本文实现的基于社交网络信任模型的商品推荐系统在提高推荐效果和优化推荐路径方面具有较好的表现。