随着计算机技术的快速发展和社交媒体的普及,社交网络已经成为人们相互结识与交流、进行信息传播与共享的主要方式之一。然而,在网络社交的过程中,人们不需要直接面对面的交流,并且所进行社交的用户往往都是陌生人。因此,研究预测社交网络中用户的信任度尤为重要。在社交网络用户信任度预测研究的领域中,已有的大部分信任度预测方法仅仅利用了网络中的用户语义信息或拓扑特征,且所构造的用户信任信息往往存在主观、不稳定和难以获取等特性。此外,这些信任度预测方法通常仅适用于小规模网络或在大规模网络上效益低下。针对这些问题,本论文提出了一种社交网络用户信任度的综合式预测算法——基于领域主题与拓扑特征的信任度预测算法TI-TS-TP(Trust Inference Algorithm Based on Topic Similarity and Trust Propagation,TI-TS-TP)。该算法综合考虑了网络中用户的领域主题和节点的拓扑特征,定义了用户领域主题加权相似度和节点信任传播能力两个指标来度量用户的信任度,设计了一种基于层次的综合策略TS-TP(Consider the Weighted Topic Similarity first and then the Trust Propagation Ability,TS-TP)。然后通过筛选用户可信任的top-k邻居和基于限制深度为L、信任阈值为的广度优先搜索-,从原始社交网络中提取出用户间的强信任路径集,并在此强信任路径集的基础上,采用四种信任度整合策略计算出用户之间的信任度。最后,为验证TI-TS-TP算法的有效性,在公共真实的社交网络数据集上进行了多方面的实验测试。实验结果表明:与典型的信任度预测算法相比,TI-TS-TP算法在信任预测精度上有显著提高,并具有相同等级的计算时间复杂度;与全遍历的信任度预测算法相比,其计算效率大幅提高,同时在信任预测精度上仅有甚微的降低。社交网络用户的信任度预测研究有助于用户在网络社交过程中正确判断用户或服务是否可信,从而进一步做出是否进行交互、与谁交互的决定。此外,本论文设计了一种基于层次的综合策略TS-TP和提出了一种社交网络用户信任度的综合式预测算法TI-TS-TP,对社交网络分析、网络安全等学术领域研究具体重要的参考意义。