随着互联网、移动通信技术的迅速发展，智能移动终端如手机、平板电脑的大量普及，移动上网已经超越传统PC上网成为第一大上网终端[1]。近年来，移动应用程序市场作为一种新兴的电子商务平台得到蓬勃发展。人们通过手机应用市场安装各种各样的应用程序，给工作、生活、学习来了极大的便利和乐趣。几大应用市场也都即将或者已经迈入百万级的数量，在这样海量的应用程序中查到自己感兴趣的内容对于普通用户来说是件苦恼的事情。而对于应用市场来说，传统检索、分类并不能提高用户购买使用热情，尽管一些应用市场加入了一些推荐技术，但是冷启动、数据稀疏性问题依然严重。与此同时，社交网络作为一种面向社会性网络的互联网服务平台，在互联网领域发展迅速。使用者可以通过“朋友的朋友”建立起朋友关系，也可以和不熟悉但是性格、兴趣相近而用户建立关系。社交网络社区得到了用户的青睐，在线上、线下都发挥着越来越来重要的作用。本文针对目前移动应用市场在个性化推荐过程中，特别是协同过滤推荐中面临的数据稀疏性问题，在研究了社交网络、协同过滤推荐相关理论技术后，提出一种基于社交网络的协同过滤推荐方法模型并对其进行了验证，在此基础上设计并实现了基于社交网络的移动应用推荐系统原型。本文完成的主要工作如下：①研究了个性化推荐技术、社交网络理论的国内外现状，分析目前推荐系统普遍面临的问题，探讨把社交网络运用到推荐系统的可行性。②针对本文的应用场景研究了Android开发、协同过滤推荐相关技术、社交网络社区发现算法，对比分析了协同过滤的三种推荐方式的优缺点。研究了社交网络中用户兴趣模型的获取和计算方式，提出一种基于社交网络的协同过滤推荐模型并进行验证分析。③针对推荐模型设计基于社交网络的移动应用推荐系统的移动端和服务端。移动端用于收集用户数据，相应请求等，服务器用于数据分析和推荐模型的处理。④实现了移动应用推荐系统主要模块的原型。包括客户端的用户操作行为数据的获取和推荐应用程序的展示，服务端社交网络模块和推荐模块。⑤通过实例对原型系统进行了验证，验证了模型设计的可行性和有效性，对原型系统进行了分析并归纳总结。