基于信任的推荐
不仅仅是因为信任保证了两个人之间联系的安全性，还因为一个人在做决定的时候会依赖其他所信任的人的经验，推荐系统中将信任的定义一般是个人对于其他人推荐的期望
基础算法：
信任网络的推荐一般需要
1.在原有的信任数据基础上，利用某些方法进行潜在信任数据的扩展，预测用户间潜在的信任值，使得信任关系数据更加详实
2、通过比较目标用户和其相邻用户的信任值，得到相似邻居用户的集合，
3、随后这些用户集合的相应各自兴趣偏好，推测出用户的偏好兴趣，计算预测评分。
信任设计：
1.1、社交熟悉度：共同好友
1.2用户兴趣爱好相似程度：共同评分项
2.隐式信任预估：信任传递
信任近邻筛选
设定信任值阈值、设定信任传播距离最大值
基于信任网络推荐的挑战
信任数据的稀疏，信任数据较为敏感，牵涉到个人隐私，
信任特点
非对称性，差异性，传递性，易变性，
融合兴趣变化和用户行为的隐性信任个性化推荐
绝大多数人的兴趣是随着时间变化而变化的，而用户进行的浏览收藏购买等行为只能代表一段时间内的偏好兴趣，
引入兴趣变化函数
加入评分预测值中。
