随着互联网的快速发展，网络上积聚了大量的电影资源，导致了“信息过载”问题。传统的利用搜索引擎查找感兴趣影片的方法效率低下，若用户对电影资源毫不了解，则难以查找到喜欢的电影。电影推荐系统能根据用户爱好发掘其可能感兴趣的电影，从而很好地改善了“信息过载”问题。目前电影推荐系统存在两点不足：（1）推荐系统广泛采用传统的协同过滤推荐技术，但该技术存在数据稀疏性等问题，导致推荐系统在数据极度稀疏的情况下无法做出准确的推荐。（2）电影推荐系统与社交分享结合得还不够好，实时互动性不强。本文旨在解决以上两个问题，主要工作包括：（1）本人以第三作者的身份参与研究了基于用户信任度的协同过滤推荐算法（简称UTCF），该算法能够较好地解决数据稀疏性问题；（2）本文以UTCF算法为核心，结合社交分享，设计并实现了一个电影分享推荐系统，能够根据用户的兴趣偏好发掘其可能喜欢的电影。本系统的主要功能有：（1）在大量的电影信息中，有效地为用户推荐其可能感兴趣的电影，为用户观赏电影提供了有价值的参考意见；（2）为用户推荐兴趣相似的其他用户，用户通过关注兴趣偏好相似的好友来分享电影评论，并从中发现感兴趣的电影。本文首先结合电影推荐系统与社交分享，对电影分享推荐系统进行需求分析；然后结合UTCF算法特点进行推荐系统的详细设计；最后利用Struts、Spring及Hibernate技术进行开发。本系统的特色是很好地在电影推荐系统中融入了社交分享元素，既利用了推荐系统推荐电影与好友的功能，又发挥了社交分享互动性强的特点。不仅能有效地帮助用户发现感兴趣的电影，也能实现电影宣传的经济价值。