伴随着网络时代的到来，信息呈现爆炸式增长，人们很难在海量的信息中快速找到自己需要的项目。在此信息及网络环境下，个性化推荐技术应运而生。然而，现存应用最为广泛的协同过滤推荐技术在冷启动、稀疏性等方面存在问题，影响了推荐结果的准确性。为此，考虑将目前广为流行的web2.0下的标签技术引入到个性化推荐中，并同时考虑用户评分、评分时间因素以及信任因素，提出基于信任偏好的电子商务个性化推荐模型，以提高推荐系统的准确性。主要研究的内容是：现有的推荐技术在用户兴趣的度量上，往往只考虑一个或两个因素。然而，作为反映用户兴趣的重要属性，用户给项目的标签、用户对该标签的评分、用户标注项目的时间，这些因素都是非常重要的。所以，有必要将这些因素综合起来加以考虑，进而产生更加准确的兴趣推荐结果。基于此，文章提出综合标签、得分和用户兴趣偏好时效性三个因素的个性化项目推荐模型。该模型将多维因素纳入到推荐模型中，能够有效提高项目推荐系统的准确度。理论研究表明信任与用户偏好相似性之间呈正向关系。在多维因素模型基础上，将信任引入到新推荐模型中，提出基于信任偏好的电子商务个性化推荐模型，并通过直接信任和间接信任分别进行项目的个性化推荐研究。该模型在邻居用户的产生上更加科学，因为相比于含时效性的用户兴趣信息，使用信任来度量用户之间的相似性更加准确；同时该模型在单个用户的兴趣度量上保留了综合标签、得分和偏好时效性方法的优点，在一定程度上，对协同过滤系统存在的冷启动、黑匣子、稀疏性和伸缩性等问题提供了解决方法。