目前,用户声誉系统被大规模应用于各种电子商务网站,每次交易中的双方用户通过交易后对系统的反馈信息,来达到对对方声誉值的影响,从而督促用户在交易中培养出好的行为,恪尽职责。　　随着网络技术的发展,网民可以把更多的内容上传到网络,于是各种类型的社交网络也就随之产生。社交网络中的用户声誉系统也相应推出,但是目前大部分的用户声誉系统是基于规则或者投票系统来实现的,或者是对用户进行分类。但是,现有的这些方法没有充分考虑到社交网络的特点对用户进行声誉得分计算,也没有形成一个相对稳定合理并且通用的得分计算规则。　　因此,在本课题中,充分考虑到社交网络的特点,把整个社交网络抽象成有向图来处理,每个用户是有向图中的节点,用户之间在社交网络中的互动关系构成了有向图中的有向边。根据该有向图的结构定义用户属性,然后利用相应的属性对用户进行特征提取,从而得到实验过程中要使用的数据集合。通过对排序学习方法的研究,对现有的列表级排序学习算法进行一些改动,使这些算法更加符合本课题的研究内容。利用改动后的算法构建学习模型,训练出排序函数,利用该排序函数计算用户的声誉得分值,最终得到用户的声誉排名,至此,用户声誉系统构建完成。根据训练后得到的排序函数的不同,把本课题中用到的两种方法分别称为线性方法和非线性方法。　　通过最终的实验和结果分析,可以看出使用训练出的排序函数可以得到一个比较好的排序结果,证明使用排序学习的方法对社交网络用户进行声誉排名是可行的。