大数据时代,个性化推荐已经成为电子商务网站中的一个重要研究方向,它可以快速发现和匹配用户的喜好信息。用户信任在推荐系统中有着不可忽略的作用,然而传统的电子商务网站缺乏考虑用户之间信任关系对于推荐系统的影响。本文将用户信任机制融入到电子商务推荐方法中。本文主要做了以下工作:1、对于推荐系统中存在的准确率不高、数据稀疏等问题,将用户信任融入到推荐算法中。针对用户项目评分矩阵中的共同评分项目,综合考虑共同评分项目的个数以及其在所有项目中所占的比例,建立非对称的评分信任矩阵,计算用户之间的评分信任度。针对非共同评分项目,结合项目自身的标注属性以及评分权重计算用户偏好信任度。然后将评分信任度和偏好信任度进行线性加权融合,提出一种基于用户信任的协同过滤推荐算法。在数据集上与多种不同的相关算法进行实验对比,证明所提算法在推荐的准确率、召回率、平均绝对误差以及均方根误差上均有较好的表现。2、为了更加准确地预测用户对项目的评分信息,将用户信任与矩阵分解技术结合,将用户评分信任度和偏好信任度融入到邻域模型中,提出一种融合用户信任的矩阵分解推荐算法。在数据集上与多种不同的相关算法进行实验对比,证明融入用户信任的邻域模型在评分预测上有较好的效果。3、对图聚类算法进行改进,综合考虑孤立用户和聚类初始中心点的选择方法,并将其与用户信任结合应用到推荐中,提出一种基于用户信任的图聚类推荐算法。在数据集上与其他相关的推荐算法进行实验对比,证明融入用户信任的图聚类推荐算法在准确率和召回率上都有不错的效果,能很好的应用在电子商务推荐系统中。