基于多Agent技术的电子商务模型是电子商务技术领域的重要研究课题。由于多Agent系统本身具有动态性、开放性、不确定性，服务请求Agent选择服务提供Agent时具有一定的风险，可基于信任机制进行有效选择。信任机制主要通过信任模型来实现，已有的信任模型一般对Agent历史交互经验进行分析而得到信任值。但在具体应用时，由于Agent之间历史交互经验的规模有限，服务请求Agent往往不足以推出可靠的信任值，从而不能有效选择服务提供Agent。本文研究一种基于社区结构、引入信任机制的多Agent系统--T-MASC，以集成本社区交互经验、相似社区交互经验、相似Agent交互经验和主观判断等因素推出可靠的信任值，为服务请求Agent选择合适的服务提供Agent提供有效的方法。　　 本文的主要工作有：(1)分析已有的多Agent系统信任模型，构建基于社区结构的多Agent系统MASC，并且在MASC中引入信任机制，构建多Agent信任系统T-MASC；(2)研究T-MASC的信任模型、信任体系、信任模型的学习机制；(3)构建基于T-MASC的网上购物系统。E-T-MASC。　　 本文的主要贡献有：(1)依据服务主题的差异把系统划分成若干社区；(2)通过贝叶斯方法，学习身份特征、环境特征与Agent的服务能力之间的联系，计算出信任值；(3)学习相似社区、相似Agent的交互历史记录，形成迁移信任，用以弥补信息的不足。　　 本文工作对基于Agent技术的电子商务模型研究具有参考价值。