1.1目的及意义

互联网的飞速发展和普及，给用户提供了海量信息和便利的同时，也给人们造成了诸多不便。当查询某些信息时，由于其数量的庞大，用户往往不能够准确快速地获取对自己有用或者感兴趣的信息，从而造成了某种程度上时间和资源的浪费。为了解决这个问题，推荐系统应运而生。

现有的推荐系统大多是针对单个用户提供推荐，而在现实生活中，我们往往需要向一个群体进行推荐，比如公司聚会选择餐厅、家庭休闲选择电影等等。群体推荐系统，是旨在为一个群体提供项目推荐的系统。由于不同的群体有着不同的人数规模、成员喜好的差异等等，因此，群体推荐所要考虑的问题更加的复杂，不能只是简单的将个体推荐相加，而需要考虑多方面的因素。

本论文将社会网络因素引入群体推荐中，主要考虑成员之间的交互关系从而判断其信任传递的强度以及评估不同成员的所占权重，提出基于社会网络的群体推荐算法，使推荐过程更加接近于真实的群体决策过程，以此来提升推荐效果，提高用户满意度。

1.2 研究现状分析

迄今为止，国内外对群体推荐系统和信任网络已经有了较多的研究。以下对相关领域的国内外研究现状进行简要综述。

1.2.1群体推荐系统研究现状

Masthoff[1]结合社会选择理论提出了11种将单个用户偏好模型聚合为群体用户模型的策略，包括平均聚合策略、最小痛苦策略、最大幸福策略、除去最低评分值的平均聚合策略等，这是目前研究群体推荐系统时采用的主要聚合策略。

YuZ[2]提出TV4M群体推荐系统通过对计算目标群体与其他群体的成员之间距离得出群体间距离,依据距离的大小得出群体间的相似度的大小，与目标群体距离最近的即为相似群体。