Web 2.0技术的广泛应用为互联网用户之间的协同合作、交互以及信息分享提供了坚实的支持。互联网用户享受着信息资源带来便利的同时,也在遭受着信息爆炸式增长带来的困扰,这导致用户经常面临高昂的搜索成本和时间成本。推荐技术作为解决该类问题的重要手段,受到了越来越多的关注。当前,用户之间的交互变得比以往更加频繁也更加密切,已经超出了时间和地域的限制,互联网上的用户以及他们之间的关系共同构成了巨大的社会网络。有研究表明,相比较于陌生人,用户更容易接受其所信任的人的推荐。这使得基于用户信任的推荐成为解决当前用户交互环境下信息过载问题一个重要方法,其通过捕捉社会网络上的用户信任信息,准确把握用户之间的关系,进而识别相似用户群体,实现精准推荐。目前,基于用户信任的推荐研究已经受到了一些学者的关注。然而,关于考虑用户信任信息形式和传播路径的多属性推荐相关研究还不多见。因此,如何通过考虑用户信任信息的信息形式和传播路径确定用户之间的信任度,从而向用户个性化的推荐相关服务/产品是一个有价值的研究课题。本文主要从用户信任的信息形式和传播方式两个角度出发,利用社会网络以及协同过滤技术,结合模糊集理论、犹豫模糊集理论、多属性决策等相关方法和技术,给出了考虑用户信任信息形式和传播路径的多属性推荐方法。本文的主要研究内容如下:(1)提炼了考虑用户信任信息形式和传播路径的多属性推荐问题。依据现实情况中用户信任的信息形式和传播方式,本文提炼了两类问题,即基于二元信任信息的多属性推荐问题和基于多路径信任传播的多属性推荐问题。(2)针对二元信任信息的多属性推荐问题,提出了考虑用户二元信任信息和模糊偏好的多属性推荐方法。针对此方面的研究,首先,基于用户的模糊偏好矩阵,确定每一位用户的评价指标权重,构建综合评价矩阵,并计算用户评分相似度;然后,根据用户信任关系,分别计算用户的直接信任和间接信任,得到用户信任度;在此基础上,确定用户的综合相似度并确定目标用户近邻集合;最后,根据目标用户近邻集合中用户的评价矩阵,应用协同过滤方法对目标用户做出推荐。(3)针对基于多路径信任传播的多属性推荐问题,提出一种考虑传播路径优先级和犹豫模糊型信任信息的推荐方法。针对此方面的研究,首先,依据用户的犹豫模糊偏好矩阵确定每一位用户的评价指标权重,得到综合的评价矩阵;然后,对单一传播路径上的用户信任进行集结,并确定每一条信任传播路径的权重,进而得到用户的综合信任度;在此基础上,依据用户的人口统计信息,确定不同形式信息下的用户基本相似度,得到基于信任和人口统计信息的用户综合相似度;最后,利用用户综合评价矩阵以及用户综合相似度,为目标用户推荐感兴趣的服务/产品。本文通过对考虑用户信任信息形式和传播路径的多属性推荐问题进行提炼和分析,给出了所要研究问题的明确描述以及研究框架。本文所提的考虑用户信任信息形式和传播路径的多属性推荐方法,不仅考虑了不同类型的信任信息,还对多个传播路径的优先级进行了分析,同时还考虑到了用户在决策时的偏好行为。本文的研究不仅具有十分重要的学术价值,而且具有一定的应用价值,为今后考虑用户信任的多属性推荐问题提供了借鉴和指导,还为相关研究的拓展和应用奠定了基础。