1. 研究目的与意义（文献综述）

1.1研究目的

本研究致力于解决在网络购物时产生的信息不对称或信息过载问题，在传统电子商务网站中，允许用户对所购买的商品进行点评，从而指导其它用户进行购买行为决策。然而我们都知道，比起无关的陌生人的推荐，自己所信任的人群的推荐效果会更加有效，因此信任关系在为用户解决信息过滤和决策筛选中起到了关键作用。在社交网络中，多为线下熟人关系在线上网络的延伸，因此在社交网络中用户之间的信任关系多用线下熟悉度来衡量，研究学者及在实际应用中一致认为熟悉度越高的用户，彼此之间更加信任。而社交化电商网络中，其更具特殊性。相较电商网络的纯基于商品本身的指导推荐，社交电商网络中还包含了可大大降低决策风险的社交关系，能够帮助用户更加低风险地做出交易决策；相较社交网络中，基于熟悉度的判断来指导决策，社交电商网络中还能体现用户的兴趣爱好、购买偏好等特征，能够指导用户更准确地选择交易对象。

1.2研究意义

在社交化电子商务网络中，通过社交应用来实现和完善电子商务交易，传统电商所存在问题看来，传统电商为完全陌生的两者间的利益交易，存在较为严重的信息不对称和信任缺失，成为了阻碍电商快速发展的重要原因之一。而在社交电商网络中，社交性与电商性的结合，一定程度上解决了传统电商的信任缺失问题。但是由于不同用户之间的信任度和爱好相似度，以及如何把商品做出刚好合适的推荐。通过建立信任度和相似度的过滤，通过社交用户之间的信任推荐，建立一套高效的社会化电商推荐机制，让商品效益、交易效率和用户体验达到一个高效率的平衡点。

1.3国外研究现状分析

从电子商务到社会化电子商务，交易的本质并没有发生变化，仍然是为了促进交易的高效实现。用户的购买意愿对交易的实现起着至关重要的作用。从现有文献来看，社会化电子商务用户购买意向的研究主要集中在以下方面：①基于 tam 的社会化电子商务用户购买意向研究。②基于数据的社会化电商用户购买行为研究。③基于感知价值视角的用户购买意愿研究。④基于关系的社会化电商用户购买意愿研究。⑤基于企业视角的用户购买行为研究。

2. 研究的基本内容与方案

2.1研究的基本内容

传统电商交易过程中，交易双方大多是陌生人，相较于陌生人之间的交易体验，大多数人更加相信熟人之间的交易体验分享，于是社会化电商应运而生。因此，本文认为社交电商网络中的信任关系对用户的决策行为影响较大。然而，社会化电商是一个复杂而且巨大的网络中，用户量级很大，导致用户与用户之间很难产生直接的关联，在无法直接产生关联的情况下，用户与用户之间的信任度很难进行评估，这将使用户选择参考对象帮助自己进行决策判断的阻碍。于是，本文针对社会化电商的网络环境下、用户与用户之间潜在的信任关系进行深入分析，探讨影响用户信任关系的因素，提出适用于社交电商网络环境的理论模型，并在参考现有研宄的基础上，提出信任度算法、相似度算法。最终将选择具有代表性的社会化电商网站拼多中的相关数据，对本文所提出的模型及算法进行训练和模拟及实验分析，根据实验结果为本模型及算法进行评价，并针对模型训练结果对现有的社交化电子商务应用提出建议。

2.2研究的主要目标

（1）建立模型社会化电商中信任度和相似度的问题。进而研究社会化电商中信任度和相似度的过滤机制和推荐机制，着重解决关系信任和个体偏好之间的关系，建立一套基于关系信任的推荐模式以促进社交流量向电商流量的转化。

（2）以（1）为基础，联系社会化电商现状，提出社会化电商的推荐解决方案。之后以此为基础，理论联系实际优化现有社交电商推荐机制，探索社会化电商未来的发展方向.本文的研究将致力研究为社交电商网络这一复杂网络中的潜在信任关系的识别获取和分配提供理论支撑。

3. 研究计划与安排

第1-5周：开题报告

第6-10周：初稿

第11周之后：完善chugao

4. 参考文献（12篇以上）

[1]andersen r,borgs c,chayes j,fcige u.trust-based recommendation systems: anaxiomatic approach.in: proc.of the int'l world wide wcbconf.(www2008).beijing,2008. [doi: 10.1145/1367497.1367525]
[2] kamvar sd,schlossermt,garcia-molina h.the cigentrust algorithm for reputation management in p2pnctworks.in: proc .of the12th int'l conf.on world wide wcb.acm press,2003640-651[doi: 10 1145/775152 .775242]
[3] golbeck j.computing and applying trustin wcb-based social nctworks [ph d.thesis].maryland: university ofmaryland,2005.
[4] avesani p,massa p,ticlla r atrust-cnhanccd recommender systcm application mole skiing.in: proc of the 2005acm symp.on applied computing.2015.1589- 1593.[doi: 10.1145/1066677.1067036]
[5] massa p,avesani p trust-awarcrecommender systems.in: proc of the 2007 acm conf.on rccommendersystcms.minncapolis,2007.17-24.[doi: 10.1145/1297231.1297235]
[6] jamali m,ester m.trustwalker: arandom walk model for.combining trust-based and item-based recommendation.in:proc of the 15th acm sigkdd int'l conf.on knowledge discovery and datamining.paris,2009.397-406.[doi: 10.1145/1557019 1557067]

[7] walter fe,battiston s,schwcitzcrf a modcl of a trust-based recommendation system on a social nctwork.autonomous agents and multi-agent systems,2008,166 1).[doi:10.1007/s10458-007-902 1-x]
[8] bedi p,kaur h,marwaha s .trustbased recommender systcm for the semantic wcb.in: proc of the ijcai 2007.2007.
[9] ma h,yang h,lyu mr,kingi.sorece:social recommendation using probabilistic matrix factorization.in: proc oftheint'l conf.on information and knowledge management.acm press,2008.931-940.[doi:10 1145/1458082 1458205]
[10] ma h,king i,lyu mr.learning torecommend w rith social trust ensemble.in: proc.of the 32nd int'l acm sigirconf.onresearch and development in information retrieval. acm press,2009203-210.[doi: 10 .1145/1571941.1571978]
[11] jamali m,estcr m.a matrixfactorization tchniquc with trust propagation for recommendation in socialnctworks.in: proc of the4th acm conf.on recommender systems 2010.135- 142.[doi:10 1145/1864708.1864736]
[12] wang d,ma j,lian t,guo lrecommendation based on weighted social trusts and item relationships.in: procof the 29th annual acm symp on applied computing.acm press,2014.254-259.[doi:10.1145/2554850 .2554884]

[13]guo l,ma j,chen zm,jiang hb.incorporating item rclations for socialrecommendation chinesc journal of computers,2014,37( l):219-228 (in chinescwith english abstract).
[14] wang m,ma j.a novclrecommendation approach based on users' wcighted trust relations and the ratingsimilaritics.in :proc of the soft computing.2015.1- 10.[doi:10.1007/s00500015-1734-1]
[15] mnih a,salakhutdinovr.probabilistic matrix factorization.in: proc.of the advanccs in ncuralinformation processing systems.2007.1257-1264.