1、目前協(xié)同過濾算法以其簡單和精確占據(jù)了推薦領域的半壁江山，許多網站都采用這種算法來進行推薦。然而它存在著冷啟動、數(shù)據(jù)稀疏性等問題，也在尋找解決上述問題的突破口。
　　當前社交網絡的廣泛應用，使得系統(tǒng)除了用戶歷史購買數(shù)據(jù)或者評分數(shù)據(jù)能被加以利用之外，信任網絡數(shù)據(jù)也可以為推薦做出貢獻。本著充分利用網絡資源的思想和日常生活中“物以類聚，人以群分”的現(xiàn)實狀況，本文將信任網絡引入到傳統(tǒng)協(xié)同過濾個性化推薦算法中?；贓pinions和Frien

2、dfeed數(shù)據(jù)集做了大量的研究工作。本文的主要工作和貢獻如下：
　　1．提出了基于信任網絡的推薦算法：信任網絡對推薦系統(tǒng)存在著重要影響，在日常生活中我們的決定會被朋友的建議所影響。模型中朋友們對某產品的推薦力度會以數(shù)值形式增加目標用戶對該產品的購買可能性。通過將信任網絡推薦引入到傳統(tǒng)協(xié)同過濾算法中，實驗結果表明混合算法不僅在各種準確性指標上性能有提升，在多樣性方面也有很大進步，此外對冷啟動問題也有緩解。
　　2．分析了不同信

3、任關系對推薦的影響：不同的信任關系對用戶的影響力度是不同的，本文在前文基礎上提出了另外兩種信任關系的推薦系統(tǒng)模型。實驗結果表明這幾種算法都能在提高算法性能。另外信任關系比被信任關系的推薦效果更好。說明信任關系更能反映用戶的興趣。此外，綜合考慮信任與被信任關系的算法，在不同數(shù)據(jù)集上表現(xiàn)不同。說明網絡功能決定網絡結構，不同的網絡適用的算法也不同。
　　3．分析了網絡功能與網絡結構對推薦的影響：通過將網絡根據(jù)其結構不同劃分成幾種不同的情