互联网和电子商务的快速发展使得网络信息急速增长，多元的网络应用给人们带来了便利服务的同时，也让人们深陷“信息过载”沼泽。对于需求清晰的用户，借助搜索引擎便能快速找到目标信息，但多数情况下，用户无法简单、准确表达自身信息需求，只能在线咨询或参考他人建议。与此同时，由于缺乏可靠的咨询渠道和信息共享平台，导致在线咨询和信息共享无法可靠完成。因此，引入相应信任管理机制，来确保用户在线活动所处网络环境的安全可靠，成为电子商务发展急需解决的问题。本文针对以上难题进行的主要工作内容有：第一，模拟现实生活中人们对信任关系处理的过程，对电子商务网络中用户间的信任关系进行建模管理，经过对信任网络模型进行初始化、局部信任关系扩展、信任权值计算三个步骤，构建一个集用户全局权威信任和用户局部信任关系的信任模型。相比于其他同类模型，该模型最大特点是在信任关系扩展过程中增加了兴趣因素的导向作用，对信任传播路径的探测有了一定的选择性。第二，改变传统协同过滤算法中用户相似度计算方法，设计了一种基于用户偏好立场的兴趣相似度计算方法UPPS，提出新的UPPS+Trust算法，将信任因素和兴趣因素共同作用于商品推荐过程中，利用UPPS相似度和信任网络模型中用户间信任评价度的结合，为用户寻找更多基于信任因素和兴趣因素的二维相似近邻，从而提供一种新的商品推荐方法。第三，本文从分析用户行为方面入手，利用平台用户的信任入度和信任出度信息，设计了一种用户间信任行为相似度的计算方法UTBS；同时，利用项目评分等级表征用户兴趣信息量，设计一种用户间评分行为相似度的计算方法URBS，以此分析潜在好友间行为方面的相似关联。第四，充分利用潜在好友间行为相似性，并结合信任网络模型中用户信任评价度信息，提出新的Trust+BS好友推荐算法，为用户提供可靠的好友推荐服务。相比其他同类应用准确率在10%-15%、召回率在10%-20%的性能，本文方法准确率和召回率的最佳性能分别达到22.47%和21.15%。综上所述，本文将信任引入协同过滤推荐过程中，从兴趣、信任、行为等多角度对用户关联进行描述，充分挖掘了用户间的潜在关联，缓解了系统数据稀疏的压力，提高了系统的预测准确度。