随着Web2.0时代的到来,在互联网逐渐普及走进千家万户的同时,社交网络也成为人们传递信息、表达情感的一个平台,同时也成为信息传播的一种方式。然而社交网络上充斥的各种信息使得人们无所适从,反而造成获取有用资源愈发困难。因此,如何在社交网络中更好为用户推荐用户需要的物品和信息成为研究的方向和热点。针对这个热点问题,很多的研究者们都提出了自己的观点,本文在总结前人观点的基础上,提出一种新的推荐算法来提高推荐效果,达到目标用户的满意度。首先,基于社交网络的特性获取用户在社交网络中两个重要数据——用户的好友关系和用户的历史行为。其次,在深入分析了协同过滤算法后,提出了用户相似度S这一好友关系模型;基于用户在社交网络中对不同好友有不同的偏向,提出了用户信任度T这一好友关系模型;基于不同用户在社交网络中所处的位置不同,因而其重要性和影响力不同,提出了用户信誉度R这一好友关系模型,由于三种好友关系模型在不同层面对推荐结果造成影响,根据三种好友关系模型的不同权重给推荐效果带来的不同变化选取最优推荐效果时的加权求和组合构建新的推荐信任度好友关系模型;再次,通过推荐信任度的大小来决定目标用户的信任用户集合。然后,由推荐信任度和信任用户集中用户对某物品的评分来预测最终目标用户对该物品的评分,根据评分生成推荐结果。最后,以该推荐算法为核心技术设计并实现了C语言微视频推荐系统。此外,本论文选取了准确率和召回率作为对该推荐算法的评价指标,实验证明,该推荐算法具有较高的准确率。本论文提出的推荐算法不仅适用C语言微视频推荐系统,还可以应用在教育社交网络中学习资源的推荐、电子商务中的商品推荐以及可以获取到用户的好友关系和用户评分记录的其他推荐系统中,因此,该推荐算法具有更为宽泛的应用范围。