对于目前的电子商务系统来讲,其自身在不断的发展过程中,为了实现更好的销售效果,商品的自动推荐技术已经在商务系统中得到广泛的应用,对于目前的推荐技术来讲,主要存在以下三个问题:一是推荐的机制,二是如何推荐符合众多用户需求的商品,三是如何更加精确、稳定的进行推荐的问题。许多学者研究如何更好地优化推荐机制,其中方法之一便是将信任机制引入到推荐技术中。本文研究的重点是如何将信任机制通过定性和定量的方法引入到当今的电子商务系统中。研究内容主要包括以下几点:1、研究信任机制对于推荐技术的影响。主要研究在当前的协同过滤推荐技术中存在的问题,提出加入用户之间的信任关系能够对当前的推荐技术产生积极影响。2、利用社区概念,社区概念主要指的是个体分布主要会以群体的形式存在,群体之间的成员之间的联系紧密程度会大于群体之外的成员。通过商城的购买记录来划分社区群体,研究发掘用户之间的信任关系和程度的方法。3、利用定量的方法,对用户之间的信任关系进行建模,并对比传统的未加入信任关系的推荐技术和加入信任机制的推荐技术。各个用户之间的信任关系往往由信任模块来具体的呈现,且将个人传统的相似度推荐模型进行充分的结合,用户个人信任模型的构建首先可以使其自身的有效信息大大增加,其次可以对用户密切关系的活动进行实时的更新。经相关数据和实验证明,当个人的信任机制和电子商务的推荐系统进行完美结合后,能够解决部分推荐算法中数据稀松和冷启动的缺点,并且在商品推荐的准确性方面也比传统的协同过滤推荐系统有所提升。