1、面對海量的信息時，用戶可以利用推薦技術找到自己感興趣的內容，但當前推薦技術在在線社交網絡推薦應用中可能會遇到冷啟動與數據稀疏性等問題，常常使得所建立的推薦模型失效，降低了推薦的準確度。本文將探索在線社交網絡推薦技術，形成基于貝葉斯網絡的推薦方法，降低冷啟動與數據稀疏性帶來的不良影響，提高在線社交網絡推薦的準確度，并針對用戶無法提供充足反饋信息的情況，解決推薦過程中覆蓋率低以及用戶隱私難以得到很好保護等問題。
　　本文重點研究在線社

2、交網絡中社會關系、歷史評分記錄、反饋信息等因素對推薦方法產生的影響，提出基于顯式與隱式反饋信息的在線社交網絡推薦方法，將貝葉斯定理應用到推薦過程中，結合用戶的顯式與隱式反饋信息和信任關系信息，抽取信任關系矩陣和商品評分矩陣并進行概率分解，優(yōu)化訓練模型的參數，為用戶提供精確的預測評分。實驗表明，上述在線社交網絡推薦方法能夠有效地獲得用戶的偏好，產生大量的準確度高的預測評分，實現高質量的在線社交網絡推薦。
　　本文還提出一種基于信任驅