随着网络信息技术和电子商务的快速发展,网络数据不断膨胀,用户很难快速有效地找到自己需要的信息,引发了信息过载问题。电子商务海量的产品使用户很难快速锁定和发现自己到底对什么样的商品有兴趣,对于在网站上销售的企业来说当然也希望能够精准的推荐自己的商品,来提高销量,增加收益。电子商务推荐系统正是为了解决这个问题而出现,协同过滤推荐在推荐系统中普遍运用,广为熟知,并且推荐的效果令人满意,但传统的协同过滤推荐算法存在多种问题,包括数据稀疏性、冷启动和可扩展性等。论文针对协同过滤算法中存在的数据稀疏性问题,不仅考虑传统协同过滤推荐中的用户相似度,而且也考虑了信任因素,形成了既考虑相似度又考虑用户信任度的推荐算法,最终达到减少稀疏,进一步提高推荐信息的准确有效。以下介绍本文研究工作:(1)介绍推荐系统的组成和核心,引出推荐算法,以及协同过滤推荐算法的步骤和存在的问题,考虑信任进一步阐述了信任方面的知识。(2)由于评分数据稀疏性带来的推荐准确率低的问题,论文提出了融合用户相似度与信任度的协同过滤推荐算法。在用户相似度的基础上,引入信任关系,包括直接信任度和间接信任度,间接信任是对直接信任的传播计算得出的。相似度和信任度融合之后形成相关度,整体作为推荐权重,选择出被推荐用户的最近邻居集合,进行推荐。(3)对设计的算法编程检验是否达到了预期的效果。通过实验数据结果分析得到本文相似度与信任度相融合的方式在MAE表现来看,效果比传统的推荐更佳。本文算法实现了预期目的,可以为用户提供更加准确的推荐。(4)设计一个电影推荐系统对算法的实验效果进行了检验,实际效果达到了预期。