社交软件的广泛应用,拉近了人与人之间的距离,使人们之间的相互影响更加明显。在此背景下,仅仅使用用户评分数据的传统推荐模型已经无法满足用户的需求。为了更加准确地对用户进行个性化推荐,建立一种适用于社交环境下的推荐模型就显得尤为重要。本文以微博信任关系为研究对象,对用户信任关系在推荐系统中的应用进行研究。首先,本文在对社交网络推荐模型深入分析的基础上,以现有推荐模型针对性不足为切入点,选取微博用户信任关系作为研究对象,提出了基于时间效应的用户信任度计算方法;其次,对二值信任网络中的推荐模型进行研究,在概率矩阵分解模型的基础上,融入了信任用户之间的相似度,对用户评分矩阵进行分解,将二值信任网络引入到概率矩阵分解模型中,建立了强化用户影响的推荐模型(Enhance_MF);再次,建立了基于微博信任关系的推荐模型(Blog_TrustMF),该模型在对用户信任关系进行矩阵分解的基础上,将用户影响因子作为用户之间的影响权重,实现了微博信任关系在个性化推荐中的应用。最后,选取均方根误差(RMSE)作为评价指标,使用Epinions数据集和腾讯微博数据集对Enhance_MF模型和Blog_TrustMF模型进行实验验证。实验结果表明与同类模型相比,本文提出的模型针对性更强推荐效果更好,进一步丰富了现有的社会化推荐模型,为其他社交网络建立推荐模型提供了参考。