随着互联网与信息技术的快速发展,近年来我国电子商务市场呈现出迅猛的发展势头。线上交易环境的虚拟性,使得网络信任感知对消费者网购决策极具影响。而社交媒体网络应用平台无疑是企业用于促进与消费者之间的关系、增强信任最为便捷的渠道之一。因此,探讨消费者网购决策在社交媒体网络中受到哪些因素的影响具有十分重要的意义。与此同时,网络信息膨胀对消费者在线决策购买造成了极大的困扰,如何有效利用网络信息来辅助用户在线决策以便其能购买到满意的商品,给人们提出了挑战。为此,推荐技术应运而生,而众多的个性化推荐方法中尤以协同过滤推荐算法的应用最为广泛,但仍然存在推荐效率低的问题。主要研究内容如下：1.基于社交媒体网络的消费者网购决策电子商务飞速发展的同时,消费者网络信任逐渐成为消费者网购决策重要的影响因素之一。本论文在前人研究的基础上,从网络信任角度出发,探究了消费者在社交媒体网络中的认知能力、关系强度及互动性等因素对消费者网购决策的影响关系。采用了多元层级回归的方法,并通过新浪微博数据对影响消费者网购决策的关键因素进行了定量分析。2.基于社交媒体网络的商品推荐方法针对传统协同过滤算法存在推荐精度低、冷启动与数据稀疏的问题,分别提出了基于社交网络、基于社交媒体的协同推荐方法。前者融合了用户在社交网络中信任度与偏好相似度来找出目标用户最近邻居集,并产生推荐；后者综合考虑了动态社会行为与用户背景信息,通过集成基于动态社会行为用户相似度、基于背景用户相似度及基于时间权重的用户评分相似度并找出目标用户的可信最近邻居集实施推荐。最后,通过公开的数据集对本文算法进行效率验证并与其他推荐算法进行了比较。