计算机科学技术的发展和互联网应用的普及已经将人类社会带入了信息化的时代。信息化时代的到来在给我们的工作、学习和生活带来无限便利的同时也引发了一些问题。这其中“信息过载”现象就是伴随着互联网应用技术的发展而产生的一个较为突出的一个问题。随着互联网上信息量的爆炸式的增长,对于互联网用户而言,从海量多样的信息集合中快速准确地找到自己需要的信息变成了一件极具挑战甚至不可能完成的任务。推荐技术和推荐系统正是在这样的背景下应运而生。推荐系统的目的就是应用机器学习和数据挖掘的手段对互联网用户个性化的兴趣需求进行建模,并以此为依据增量式的为用户对互联网上动态变化的数据内容进行过滤操作,找到匹配用户兴趣需求的信息内容推荐给用户[1]。目前比较常见的推荐技术主要有协同过滤算法、基于内容的推荐算法、基于知识库的推荐算法和混合模型推荐算法。但是在web2.0时代随着社会化网络在互联网上的兴起,互联网的发展逐步向社区化的方向迈进。与此同时人们通过互联网获取信息的过程也体现出一定的社会化特征,推荐技术为了适应这样的变化开始将挖掘互联网用户节点间的社交规律引入其研究范畴,作为提升个性化推荐系统服务质量的新突破点。　　本文基于Maze网络文件共享系统的实际应用环境,在推荐算法的设计中引入了信任机制的概念,并以此展开研究工作提出了一种trust-based推荐算法。该算法首先通过挖掘Maze系统日志服务器收集到的用户下载日志以及好友关系日志,发现隐含在Maze系统资源下载关系及好友关系中反映用户节点间信任关系的“社交规律”,并利用数据挖掘和机器学习的手段建立trust-net模型去表示这种社交规律。在此基础上应用己建立trust-net社交模型,结合推荐领域较为成熟的协同过滤算法的运行原理来模拟用户在Maze网络文件系统中搜寻感兴趣的目标资源的过程,为Maze系统中的用户计算出个性化的资源推荐结果。为了对trust-based推荐算法的推荐效果进行评测,我们将Maze系统日志服务器收集到的8个月的日志信息作为总数据集。将其按照一定的比例划分为训练集和测试集,分别作为该推荐算法的输入数据和评测样本,从推荐结果的召回率方面对算法的性能进行评测和调优。