在线社交网络为用户提供了彼此交互并共享信息的平台,实际上,互联网上信息的真假有时难以辨认。显然,相对于陌生人发来的信息,来自可信任的朋友的信息更可能被采纳。因此,信任在在线社交网络中发挥着重要作用。许多成功的推荐系统都会考虑信任关系,研究表明,将信任纳入推荐系统可以提高推荐的质量和覆盖范围,如Advogato和Film Trust,都使用信任网络来表达用户间的信任关系。然而,除了少量的直接信任关系,社交网络中更多的是间接信任关系。如何快速地搜索可靠的、最优的间接信任关系是其广泛应用的关键。对于没有直接交互的用户,只要两个用户之间至少有一条信任路径,就可以通过信任网络传递来进行信任推断。在信任传递方法的过程中,路径长度和传递方法是两个重要的因素。本文考虑信任路径的启发式搜索问题:其一,考虑动态加权启发式信任路径搜索。首先,根据六度分割理论,确定所有可采纳的信任路径集;其次,考虑采用动态变化的权重设计,将节点跳数和节点深度等因素考虑进权重设计中,改进A*算法,通过动态放松最优解,对不同深度上的节点施以不同的权值,找到最优的信任路径;最后,根据传递函数计算最终的信任预测值。与现有的信任路径搜索算法相比,实验结果表明所提出的算法相对提高了信任预测的准确性。其二,提出任意时刻的动态加权启发式路径搜索算法。该算法包括两个阶段:第一阶段称为探索阶段,即快速找到任意解;第二阶段称为更新阶段,考虑当前成本与当前解的质量之间的误差,引入动态因子w来动态调整成本的取值范围,以加快搜索效率。实验结果表明,该算法略优于其他算法。