以万维网为基础的社会网络的迅速发展,促使了社会网络的研究的革新,尤其是当社会网络发展到允许用户描述其与他人的关系,而不仅是只能描述他们之间的联系时,这种现象就更加明显。随之而来,信任关系也得到人们越来越多的关注。在本篇论文中,我们主要研究如何计算以web为基础的社会网络中用户间的信任关系,以及该如何将信任关系应用到实际的应用中。在研究如何准确的预测信任关系值之前,本文首先介绍信任的概念,同时也介绍了一些在信任值计算时所需要的重要属性。信任值的计算问题实际上就是通过计算预测社会网络中可能存在的信任关系。也即是,当社会网络中的一个用户从未与另外一个用户联系过时,计算他选择信任该用户的可能性会有多大。本文介绍了两种常用的信任值计算算法,并在此基础上提出一种新的信任值计算算法。通过实验分析比较,证明本文提出的新算法具有更好的预测准确性。协同过滤是目前的推荐系统中最受欢迎的方法,并且在实际的生活中也得到很广泛的应用。但是协同过滤推荐不能防御用户的恶意欺骗行为,同时推荐的过程也不够透明化,即用户不知道自己为什么会得到这样的推荐项目。因此本文考虑将信任机制应用到推荐系统中,这样我们就能从信任网络中获得更多的信息,从在一定程度上解决上述提到的几个问题。本文是首先通过实验分析人际间的信任关系与兴趣相似之间存在一定的联系,之后在此基础上提出将信任关系与相似关系结合起来应用到推荐系统中。通过实验结果证明,由于考虑了信任关系,确实有效的提供了推荐系统推荐的准确性。