随着共享房源平台的快速发展,平台中的用户和房源数量飞速增长,带来了严重的信息过载问题。个性化推荐算法可以有效地帮助用户匹配到适合自己的房源,是解决信息过载的有效途径。然而,在共享房源平台中,用户交易矩阵是极其稀疏的,为房源推荐带来了巨大挑战。针对共享房源数据的稀疏性问题,结合共享房源领域特征,本研究提出了一种考虑用户信任的基于元路径的共享房源推荐方法。首先,基于对共享房源用户购买意愿影响因素的研究,本研究充分考虑了用户对房源相关属性的偏好,融入房东可信程度对用户的影响,从房源维度和房东维度两方面构建房源模型,在此基础上实现共享房源推荐。其次,为了缓解房源推荐过程中的数据稀疏性问题,提出了一种考虑用户偏好的基于元路径的推荐方法,该方法首先利用项目属性信息和用户交易列表对用户所选择的房源的偏好值进行细粒度的计算,以此作为用户的隐性评分构建用户房源交互矩阵。然后,将房源推荐系统中的实体和关系抽象为带权异构网络模型,引入元路径的概念描述用户与房源之间不同视角下的联系,计算用户与房源在各个元路径下的相关性。最终,构建用户特征向量并利用监督学习方法对用户选择其他房源的概率进行预测,从而产生最终的Top-N推荐列表。最后,利用Airbnb平台中的真实数据进行实验。在实验中,结果表明房东特征的引入能够有效地提升推荐质量,验证了本研究考虑用户对房东的信任偏好是合理有效的;同时,相比于传统的推荐算法,考虑用户偏好的基于元路径的推荐算法在数据稀疏情况下展示出了较好的推荐效果。本研究将共享房源选择问题与推荐算法相结合,扩展了推荐算法的应用范围,在推荐过程中考虑了房东特征对用户的影响,丰富了共享房源推荐的研究视角,同时,提出的推荐方法可以从多个视角描述用户与房源的关系,扩充了用户的有效数据,缓解了房源推荐过程中的数据稀疏问题。