互联网和Web承载着丰富的跨时空信息，为社会和商务的发展提供了动态、开放和便捷的环境。然而在虚拟化的网络中，与不相识的人进行交易，如何保证交易可靠、安全，以及确保服务质量是一个难题。为了解决这个问题，本论文研究了电子商务交易行为的信任机制。通过建立一个消费者和商家互相了解的平台，从而能够动态响应个人或商业需求，实现降低运营成本、改善服务以及促进网上交易的积极性。论文的主要工作如下：首先，简要的介绍了电子商务中信任的基本概念及其理论模型。信任值计算分为直接和反馈的信任值，而这两者的比重很难界定。为此提出了一种动态自适应信任机制，动态调节两者的权重，克服了过去常用的主观判断的片面性。本文区分反馈信任值和反馈可信度概念，自适应调节反馈可信度，使信任模型有更好的科学性和实际应用。其次，分析了上下文信息对于信任评估的影响，在此基础上提出了一种利用上下文信息的推荐信任算法。该算法利用时间、地点、社会化网络中的关系等上下文信息，来反映用户间历史交易对当前交易的影响和作用，以提高推荐的准确度。用户间的背景和时间相似度越高，用户的相关性就越好，推荐信息价值就越高，这样避免巨大的计算量同时评价结果更准确。最后，通过仿真实验与典型信任模型进行了对比分析。结果表明本文提出的模型具有良好地适应网络动态变化的能力，能够有效地遏制恶意节点的恶意行为，可以较好的应用在电子商务网络中。