La información de las redes sociales se está utilizando actualmente de manera amplia en muchos dominios de aplicación, aunque en el área de recomendación musical, su uso es menos común debido a la disponibilidad limitada de datos sociales. Sin embargo, la mayoría de las plataformas de streaming permiten establecer relaciones entre usuarios que pueden aprovecharse para abordar algunas desventajas de los sistemas de recomendación. En este trabajo, aprovechamos la estructura de la red social para mejorar las recomendaciones para usuarios con preferencias inusuales y nuevos usuarios, abordando así los problemas de los "gray-sheep" y de "cold-start", respectivamente. Dado que los métodos de filtrado colaborativo basan las recomendaciones para un usuario dado en las preferencias de sus usuarios más similares, la escasez de usuarios con gustos similares a los de los usuarios "gray-sheep" y la falta de conocimiento sobre las preferencias de los nuevos usuarios suelen llevar a malas recomendaciones. Estos problemas generales de los sistemas de recomendación se agravan en el dominio musical, donde también está presente el sesgo de popularidad. Para abordar estos problemas, proponemos una métrica de similitud de usuarios basada en la estructura de la red así como en las calificaciones de los usuarios. Esta métrica mejora significativamente la fiabilidad de las recomendaciones en esos escenarios al capturar tanto los efectos de homofilia en comunidades implícitas de usuarios en la red como la similitud de los usuarios en términos de preferencias.