随着web2.0时代的到来,因特网得到了长足的发展,用户可以得到信息也呈现指数类型的增长。面对海量的信息,用户无法定位到感兴趣的内容,让获取信息的时间成本变的难以接受。虽然搜索引擎技术为用户搜索查找物品带来了一定的便利性,但是在一个应用中用户更多希望应用可以推送内容而不是主动查找,推荐系统在这种情境下出现并快速发展。随着互联网的发展,各种社交应用也随着因特网发展有了迅猛的进步,越来越多的基于社交网络的知识共享应用也涌现出来。但是随着应用的发展,应用中信息开始出现严重的膨胀与冗余,再次导致人们不得不面对信息选择与信息获取的困惑。人们迫切需要一个推荐系统来给处于社交网络中的用户推荐社交圈子中有价值的内容。本文主要研究基于社交网络的信息共享平台中推荐系统及其相关推荐技术。本文通过对传统的推荐算法进行改造,使算法可以结合社交网络中用户关系的特殊性对用户行为数据进行深层次的分析,获取更准确的用户偏好,提高算法推荐的准确率；在推荐系统开发中又分别采用了基于能力与基于插件的开发模式让系统在未来更易于扩展；通过引入分布式计算与分布式存储,让系统的效率更高。本文首先阐述了研究的背景知识,包括信息共享平台与推荐系统的背景知识和国内外研究现状；而后进一步提出了基于社交网络的信息共享平台中推荐系统的需求。然后详细介绍了信息共享平台中推荐系统的架构设计和详细实现,对架构中的每个功能模块详细的说明了实现细节与相关技术。最后,通过对系统在功能和性能上进行测试,说明了系统的可用性与稳定性。