为了进一步提高推荐算法的准确率，更好地对用户间的信任关系进行建模，首先提出了一种信任关系强度敏感的社会化推荐算法(StrengthMF).与以往的算法相比，该算法假设建立信任关系的两个用户之间并不一定存在着相似的兴趣爱好.在推荐过程中，StrengthMF算法通过共享的潜在用户特征空间来对信任关系强度和用户兴趣进行建模，通过进一步识别出那些与目标用户有着共同爱好的朋友来对求解的过程进行优化.为了验证算法所估计出的信任关系强度的准确性，接着又在SocialMF算法的基础上，提出了一种使用所估计的信任关系对其重新训练和学习的InfluenceMF算法.实验结果表明，与目前较为流行的方法相比，新方法能在RMSE和MAE上取得更好的推荐结果，其所推导出的信任关系强度能进一步提高已有推荐算法的性能.
