随着Facebook、Twitter和人人网等典型在线社会网络站点的繁荣，在线社会网络已经成为新闻、消息、观点等的重要传播平台。在线社会网络平台的开放性、其内容和用户交互信息的丰富性都促进了在线智能推荐技术和虚拟市场技术的繁荣。在线社会网络已经影响了人们对产品或服务的购买或使用。而如何从海量的产品信息中搜索到用户感兴趣的产品，或者说向用户推荐符合其需求的产品也是一个难点问题。但现有的电子商务系统例如当当网和亚马逊的产品推荐系统只能在用户给出显式或隐式偏好信息后才能给予推荐，都不能在用户进入系统后主动且准确地给用户推荐商品，且这些系统忽略了社会网络信息对产品推荐结果的影响能力。本论文就是要针对这些问题研究一种基于社会网络的产品推荐方法。具体包括以下几方面内容：首先，分析了国内外关于社会网络和相关推荐方法以及现有推荐系统的研究现状，总结出存在的问题。其次，提出了一种基于社会网络的产品描述模型SNPDM，该模型充分地考虑了使用产品的用户之间所构成的社会网络的构造特征和相关属性，为实现个性化的产品推荐提供了更加丰富的信息，并为后续产品的推荐缩小了搜索空间。再次，提出了基于SNPDM的产品推荐方法SPRM，能够解决现有系统存在的推荐结果质量较差和没有考虑到社会网络特征等问题。该方法具体包括：用户和产品相似度计算方法，用户购买可能性计算方法，最相邻的邻居选择方法等。SPRM方法能够集成到现有的产品推荐系统中以改进产品推荐结果的准确性和用户满意度。最后，设计和实现实验，采用了当当网和亚马逊中国的数据，实验结果验证了上述提出模型和方法的正确性和可行性。