随着大量社会网络的产生，以Web2.0思想为核心，以社会化媒体为基本平台，以“交互和协同”为主要特征的社会计算模式改变了信息的产生和分发方式，同时也改变着用户的信息需求和信息获取方式。社会化商务作为社会计算模式的一种典型应用，重要的是借助社会化媒体，基于信任机制和效仿机制，利用社会计算技术实现用户与商品的个性化对接进而影响用户决策。然而面向商务应用，网络效应放大了市场力量的崛起和对个体参与者的经济激励，商业利益可能扭曲了社会计算的福利影响，造成用户对其社会资本的滥用。社会化商务对已有的信任机制提出新的挑战，需要用新的视角来研究信任在社会化商务中的理论模型和应用。　　本文正是以社会化商务的快速发展为背景，从信息本身的可信性出发，围绕信任这个核心元素，研究社会关系和用户需求的信任影响规律，对信任在社会化商务中的理论模型和应用展开深入研究，从用户的被动消费需求和主动消费需求两个视角，提出了基于信任的推荐模型和算法。本文主要的研究内容和贡献如下:　　社会化商务的增长依赖无处不在的社会化媒体。“可信性”是“信息价值”的要素。针对社会化媒体低壁垒和弱治理的固有特征，基于社会化（媒体）用户活动及其社会关系网络(UARNs)，提出了一个反映用户信任和影响力的图声誉(Graph-basedComprehensiveReputation)模型，激励用户贡献可信和高质量的信息。该模型联合用户的行为声誉和社会关系声誉，以应对第一手信息的稀疏性;通过开发用户评价的社交上下文识别出多个信任因子进一步精炼声誉度量，以缓解评价的主观性和行为的动态性问题。为了建立更精确的鲁棒的声誉计算，利用用户满意度和顾客忠诚度（重复购买）的关系，基于理性用户理论，对声誉模型进行了扩展和个性化，识别“诋毁”(Bad-Mouthing)评分和投机(Exploiting)提供者。因此，声誉模型提供了对用户的诚实度、专业水平和影响力的综合透视。　　针对社会化商务环境用户被动消费需求的模糊性和动态性，基于社会化（媒体）用户的个人活动及其社会关系网络(UPARNs)，提出了一个基于动态更新的双面(Two-Faceted)信任网络(WebofTrust)的协同推荐模型。该模型开发隐式的(用户的兴趣相似图，ISGs)和显式的信任关系（有向信任图，DTGs）建立一双面信任网络，以缓解信任网络的稀疏性问题。通过动态更新ISGs和DTGs，捕获兴趣和信任的时变性质。新用户也可以受益于群体智慧，按照帕累托原则和圈层的向心性，利用关键用户的迁徙行为，缓解对新用户的偏好知识的缺乏问题。此外，评分预测考虑了用户评分尺度的差异，因此提供了适应性的推荐。　　针对社会化商务环境用户主动消费需求的个性化和多维性，以及用户推荐质量的不确定性，基于社会化（媒体）用户体验相似性，提出了一个个性化的信任决策和推荐模型。该模型区分不同的上下文（区分用户充当产品提供者和产品推荐者的能力）、内容（质量参数）和类别（直接和间接经验）。通过基用户体验相似性的“双向”反馈机制，模型开发用户之间的潜在信任关系，生成用户的推荐声誉，有效地抵制不诚实用户的恶意推荐行为。通过分析反馈数据在时间和频率域的统计特性，信任决策考虑了经验的可靠性。最后的提供者推荐列表，从考虑单个用户信任偏好的角度反映了提供者的个性化的信任状态。