推荐技术能够分析用户的偏好属性、预测用户需求并提供个性化服务。以推荐技术为核心的应用系统(推荐系统)研究已成为当前计算机科学领域的研究热点之一。 对于一个开放的网络环境，推荐系统应该不只是依赖资源本身的属性，更应该从资源的使用者和推荐者的角度出发，分析资源使用者的偏好和行为特性，考虑资源推荐者的可信度，并基于Web社会网络充分描述用户的社会属性，使得推荐结果更加有效。本文核心工作就是将可信机制和基于Web社会网络的社区概念应用于基于用户的协同过滤推荐算法，构建一个具有可信机制的推荐系统模型。本文的主要工作包括： (1)基于Web社会网络的用户社区构建。包括：社区的划分、用户对社区忠诚度计算、用户朋友链的形成、社区权威用户的定义。用户划分至不同的若干个社区之中，并引入忠诚度的概念来衡量用户对特定社区的信任程度；通过显式和隐式两种方式，形成用户朋友链；通过用户在系统中权威属性和枢纽属性的计算，定义社区中的权威用户集。 (2)基于社区具有可信机制的推荐系统模型。构建基于社区具有可信机制的推荐系统模型，从朋友链和权威用户两个不同的角度多维定义信任值，为开放环境下个性化推荐提供一个更有效的推荐算法。 (3)T-CBRS算法有效性验证。本文以电影推荐为实验场景，利用MovieLens提供的标准数据集，验证T-CBRS算法的有效性。 本文工作可为具有可信机制推荐系统的研究提供一种新的思路。