随着互联网和电子商务的快速发展,信息过载已经成为目前互联网用户所面临严峻的问题。电子商务产生的越来越多的产品信息也使得用户难以快速地找到自己喜欢的产品。同时,电子商务企业也面临着如何及时向用户提供其感兴趣的产品,来提高销售量的问题。电子商务推荐系统是解决这一问题的有效手段。协同过滤推荐技术是电子商务推荐系统中应用最广泛、效果最好的技术,但其面临着数据稀疏性、冷启动、扩展性等问题。论文针对协同过滤算法中的数据稀疏性问题,将信任关系引入其中,提出了基于信任的协同过滤推荐算法。信任可以更加准确的刻画用户之间的关系,信任的传递性质可以将原本没有关联的用户相互关联起来,将用户间的信任度作为相似度的一个有效的补充,可以缓解传统协同过滤推荐算法的数据稀疏性问题和提高推荐系统的预测准确度。论文采用经典数据集,并设计了3个实验来验证该算法的有效性,实验结果表明该算法利用信任的传递性质,并将相似度与信任度结合进行推荐,能够缓解评分数据的稀疏性问题,该算法比传统的协同过滤推荐算法在预测准确度上有明显的提高。最后,论文将此算法应用到一个网络书店的推荐系统的设计中实现图书的推荐功能。