基于社会化媒体的社会化电子商务成为目前电子商务发展的新趋势。社会化商务由于线上线下不对等容易产生高风险感知性，使得用户面对海量信息存在选择困难。传统推荐算法面对数据稀疏性和冷启动等问题，又难以进一步提升推荐效果。因此，考虑利用社会化数据，将社会网络尤其是信任网络融入个性化推荐，基于信任的社会化商务推荐可以有效提升推荐效果从而提高电子商务活动效率。
　　本文提出了考虑时间因素的动态信任传递和信任集成的间接信任计算方法，并将动态信任计算方法与推荐系统结合，提出了基于动态信任的社会化商务推荐模型。最后利用豆瓣平台的实际数据验证了模型的有效性。
　　首先，针对考虑时间因素的信任传递问题，论文引入考虑时间戳的模糊信任数据，结合时间衰减函数和折现函数处理信任的时间属性，并优化信任传递算子，设计了一个更加符合信任衰减速度以及满足信任有界性的传递算子。新的信任传递算子在长信任链的传递中具有更好的计算一致性。
　　然后，针对考虑时间因素的信任集成问题，论文总结了经典集成算子的主要分类和应用场景，梳理合取析取类和平均类集成算子中拓展至直觉模糊数据常用的集成方法。通过选取合适的直觉模糊集成算子并结合信任集成路径的特性，提出了考虑路径长度、路径强度、信息可靠性和时间衰减四种不同因素的基于 IFWA 的单因素信任集成方法，以及综合单因素的基于IFHWA和IFOWOWA的双因素和多因素信任集成方法。
　　接着，针对动态信任与推荐系统相结合的问题，论文定义了在社会化商务场景下，隐式信任度和用户相似度的多种计算方式，并分析了信任度和相似度的相同点和不同点，通过调和信任度与相似度构建完善的用户关系。结合本文提出的新的考虑时间因素的动态间接信任计算过程以及协同过滤推荐，提出了基于动态信任的社会化商务推荐全过程模型。
　　最后，针对基于动态信任的社会化商务推荐模型的应用问题，本文结合豆瓣的实际数据展开应用。论文介绍了豆瓣平台的社会化商务特点，根据模型需要选取数据指标，编写爬虫进行数据抓取，对数据进行处理和初步的统计分析。利用matlab对基于动态信任的社会化商务推荐模型编程运算，得到最终推荐结果。并将其与传统协同过滤推荐和基于静态信任的社会化商务推荐结果进行分析对比，证实了模型的可操作性、有效性和优势，为豆瓣平台借助社会化商务推荐加速商业化过程提供建议。