在推荐系统领域，协同过滤推荐算法已被广泛研究，算法中除了传统的考虑项目与用户之间的二元关系之外，也陆续提出了考虑情境和信任关系后的一系列改进算法。然而，基于信任度的协同过滤推荐算法考虑了信任关系对评分的影响，但没有考虑用户和项目所处的情境信息对推荐结果的影响；基于情境感知的矩阵分解推荐算法融入了用户和项目所处的情境信息，但是忽略了用户与用户之间的信任网络对评分的影响。这两种改进算法分别忽略了用户和项目所处的情境以及用户之间的信任关系，导致推荐结果可能偏离用户的需求。因此，本文就如何同时考虑情境信息和信任信息问题，对协同过滤算法进行了更深入的研究。首先，针对现有基于情境感知的矩阵分解推荐算法未考虑用户之间的信任网络问题，对预测评分公式中基线预测因子和交互两部分进行改进，提出了两种新的预测评分公式；其次，针对现有的基于信任度的协同过滤推荐算法中隐式信任网络构建中存在的问题，结合信任网络、信任传递等技术，分别从用户和项目角度，提出了基于用户的隐式信任网络模型和基于项目的隐式信任网络模型；将上述两个改进方法进行融合即得到两种基于信任网络的情境感知推荐算法；并在电影评分数据集上与现有的两大类算法进行了实验对比分析。实验结果表明，在预测性能上，本文提出的两种推荐算法要优于现有的两类算法。