随着电子商务的快速发展,对于电子商务平台来说,推荐系统显得越来越重要,推荐系统也获得了高度的重视和快速的发展,特别是协同过滤推荐算法更是获得了巨大的成功。但随着规模的扩大,项目的增长远远快于用户对项目的评价,用户—项目评分数据变得极端稀疏,导致利用传统相似度推荐算法的推荐性能急剧下降。稀疏性问题是协同过滤推荐算法面临的瓶颈,众多学者在解决协同过滤算法的稀疏性问题上提出了自己方法,填充稀疏矩阵、降维、改变计算相似度的方法、混合其他推荐技术等。本文将信任引入协同过滤系统中,基于这样一个考虑:同在一个过滤系统中的用户总是存在某种信任关系,即使没有直接的信任关系,也会存在推荐的信任关。稀疏的用户-项目矩阵表明产生直接的信任度可能较小,但可以通过推荐的信任关系来发掘用户之间真正的信任度。本文将信任机制引入到协同过滤推荐算法中,采用的算法结合基于共同评价项目得出的直接信任度,以及基于对项目预测得出的推荐信任度,借鉴了社会网络中人之间的信任评价方法计算用户之间的总的信任度,充分挖掘用户之间的关系,采用信任度来度量用户之间的关系比基于传统算法计算出的用户之间的相似度度量用之间关系将更加准确,从而取得目标用户更好的最近邻居和推荐结果。实验表明,基于信任模型的推荐系统,显著提高了预测的准确度,有效提高系统的推荐质量。本文的主要工作包括:1、对推荐系统的研究意义进行了阐述和研究现状进行了梳理,描述了信任的定义和特性。2、重点阐述了协同过滤推荐系统包括基于用户的协同过滤算法和基于项目的协同过滤算法,以及他们之间的优缺点。3、介绍了信任的表示和推理方法,深入阐述了现有典型信任模型的工作原理。4、构建了利用适合协同过滤系统的信任模型,提供了直接信任和推荐信任的算法,采用信任度来度量用户之间的关系代替基于传统算法计算出的用户之间的相似度度量用之间关系,并通过实验给予验证取得了更好的推荐效果。