电子商务的迅猛发展将人们带入了商品信息的海洋,顾客随时随地都可以从世界各地购买到自己想要的商品,购物变得简单而容易,但是随着网络技术的不断更新、社会的不断发展,电子商务网站上的商品数量呈指数增长,面对如此庞大的商品信息,人们在享受电子商务带来的购物便利性的同时也深受“信息超载”的困扰。因此,帮助顾客如何从众多的商品中找到适合自己需要的商品是电子商务网站急需解决的问题之一。推荐系统作为个性化服务的一种方式,能够有效地获取用户的兴趣,向用户推荐符合其兴趣爱好的商品,辅助顾客作出决策。作为个性化推荐技术之一的协同过滤推荐方法取得了广泛的应用,但在应用的过程中存在着推荐不准确、数据稀疏性及用户信任不足等关键问题,而在web社会网络迅速发展的形势下,基于信任的个性化推荐系统由于在传统的协同过滤推荐中引入了信任的机制,能够有效克服以上缺陷,成为目前推荐系统研究的重要课题之一。本研究围绕如何提高顾客对推荐系统的推荐满意度,以协同过滤推荐技术改进为目标,将管理学中关于信任的定义,即“信任是一方对另一方降低其决策过程中不确定性程度的一种期望”引入协同过滤推荐系统当中,充分利用用户提供的对项目的评分信息,在此基础上计算用户之间的交互经验矩阵,并利用条件概率的思想,设计了一种新的适合协同过滤推荐系统的信任度计算方法,根据活动用户对其他用户的信任度值来确定活动用户的信任邻居用户集,并在最后预测阶段,首先根据用户的信任度值调整邻居用户的评分值,进而预测活动用户对未评分项目的预测值。根据本文提出的信任度值计算方法,结合现有协同过滤推荐系统的特点,提出了基于信任的协同过滤推荐系统框架,为以后进一步开发推荐系统提供参考。此外,本研究利用Movielens网站提供的研究数据对提出的模型进行了准确性及鲁棒性的验证,实验表明,相对于以往的协同过滤推荐方法,提出的模型在以上两个指标中具有更好的表现。最后分析了研究模型的局限以及不足之处,并提出了未来继续研究的方向。