群组推荐是以满足群组用户个性及共性需求为目的的服务形式。信任是社交网络中一个重要的概念,它可以影响用户的决策,帮助人们决定与他人互动的程度。现有的基于信任的群组推荐方法大多不重视信任来源的多样性,导致推荐精度较差。此外,现有的基于列表推荐方法往往忽略了部分成员极端推荐的问题,容易导致推荐结果的片面性。针对以上问题,本文对群组推荐开展研究,提出基于混合信任度量的群组推荐方法,主要工作如下:1.针对现有的基于信任的群组推荐方法大多不重视信任源的多样性的问题,本文提出了面向群组用户的混合信任度量方法。该方法首先基于用户属性和社会关系分别创建属性信任矩阵和社会关系信任矩阵;其次,利用Tanimoto系数,将这两个矩阵进行融合,得到一个混合信任矩阵(HT,HybridTrust)。最后,基于混合信任度量结果设置可信阈值,以设置群组用户可信权重。仿真实验结果表明,本文提出的面向群组用户的混合信任度量方法,借助群组成员的信任关系和行为意图,提高了用户分类(用户可信或不可信)的精确度。2.针对主流的基于前N项排名推荐方法仅考虑整体推荐列表而忽略极端推荐的问题,本文提出了基于混合信任机制的聚合群组推荐列表方法。该方法首先利用基于现有的用户信任机制,提出了从局部扩展到整体的角度,确定不同子组内推荐项目列表。最后,在此基础上提出一种聚合排名方法,进而生成最终的群组推荐列表排名。本方案能有效提高群组推荐质量,提高群组用户对推荐项目的满意度,更加适应群组用户在个性化和共性化方面的需求。3.基于上述的理论和方法,本文构建了群组推荐的原型系统,并给出了一个电影推荐的应用示范。原型系统的开发流程完成需求分析、概要设计、详细设计及具体实现,同时实现混合信任值的度量,子组推荐列表聚合和群组推荐等功能模块,验证了本文提出的方法和理论的可行性,应用示范展现了基于信任度量的群组推荐在实际场景下的应用效果。