在当前移动环境下,传统PC行业中的服务与应用纷纷向移动领域进军。移动社交网络充分利用技术变革所带来的便利,支持用户随时随地的使用需求,迅速成为最为火热以及最具有发展潜力的移动网络应用。随着多元化发展趋势在各行各业中愈发鲜明,移动社交网络也逐渐成为人们日常生活中获取信息与服务主要平台之一。然而用户量的不断增长以及信息在网络中传递的低成本性,使得移动社交网络中的用户面临着严重的信息过载问题,信任内容的冗杂和松散导致用户难以准确、迅速的获得满足自身需求的服务。此外,由于网络本质上固有的虚拟特性,移动互联网中的信息还存在信息质量无法保证、信息服务发布者难以监控以及存在恶意欺诈等安全问题。出于可能遭受财物及相关损失的考虑,移动社交网络中的服务使用者和提供者之间存在着相当的信任担忧。本文针对以上存在的各种问题,提出了一种基于信任评估的移动社交网个性化服务推荐的解决方案。通过对移动社交网络中用户的信任网络进行评估量化,继而为个性化服务的推荐提供支持,在解决移动社交网络用户信息过载难题的同时,也有效杜绝了虚假和不良信息对用户造成的困扰。此外,为了更好的为移动社交网络用户提供个性服务,提高服务质量、增强用户体验,本文从移动社交网络的所具有的两大特性(移动性和社交性)出发,引入用户的地理位置信息,构建新的用户特征维度,以用户间的地理相似性作为个性化服务推荐模型的信号输入,达到优化推荐结果的目的。在推荐模型的算法选择中,由于基于协同过滤的服务和基于内容过滤的服务推荐都有各自的优缺点,故基于多种考虑下本文将采用基于协同过滤和基于内容过滤的混合式推荐模型,使得个性化服务的推荐效果更佳。最后,采用在学术领域广为接受的TRA(理性行为理论)、TPB(计划行为理论)以及TAM(技术接受模型)对推荐模型所产生的推荐列表进行用户端使用意愿评估。通过用户行为感知的方式来评估用户对于所推送服务的采用意愿,预测用户后续的潜在行为。用户的使用意愿程度能够相当的反映出用户的价值需求,基于使用意愿评估的方式能够更好的判断移动社交网中的用户与推荐结果的需求关系,并将此作为反馈信号再次输入到个性化服务推荐模型中,使得再次输出的推荐服务更加匹配用户的需求。