حجم زیاد اطلاعات آنلاین منجر به این شده تا کاربران انرژی و زمان زیادی را صرف پیدا کردن محصولات مورد علاقه خود کنند. با این حال، آنها در اکثر موارد قادر به دریافت نتایج رضایت بخشی نیستند. سیستم های توسیه گر اخیراً در کاربردهای زیادی از جمله، توصیه کتابها در سایت آمازون، ویدئو در یوتیوب و ارائه نتایج در صفحات وب مورد استفاده قرار گرفته اند. در این بین سیستم های پالایش گروهی، شهرت بسیاری را در سیستم های توصیه گر دارا بوده و برای ارائه توصیه به کاربران از آیتم هایی که قبلاً توسط کاربرانی مشابه رتبه داده شده اند استفاده می کنند. بکارگیری اطلاعات اجتماعی و به عبارت دیگر، اطلاعات مربوط به دوستان کاربر که به عنوان اطلاعات اعتماد شناخته می شوند، می توانند در سیستم های پالایش گروهی به عنوان اطلاعات اضافی جهت ارائه توصیه های دقیق تر به کاربران مورد استفاده قرار گیرد. در واقع اساس سیستم های توصیه گر مبتنی بر اعتماد، جستجوی افراد مورد اعتماد با توجه به انتشار اعتماد در شبکه اعتماد می باشد. در نتیجه، استفاده از اطلاعات اجتماعی و در نظر گرفتن شبکه اعتماد ایجاد شده توسط کاربران دقت و کیفیت سیستم های توصیه گر را بهبود خواهد داد. در این پایان نامه دو روش جدید به منظور بهبود کارایی سیستم های توصیه گر مبتنی بر اعتماد معرفی شده است. در واقع با استفاده از اطلاعات اجتماعی، علاوه بر رفع ضعف های مربوط به سیستم های پالایش گروهی، میزان دقت و پوشش بهبود پیدا کرده است. برای این منظور در روش پیشنهادی اول، از مفهوم تسلط پارتو به منظور بررسی میزان تأثیر کاربران مورد اعتماد در سیستم های توصیه گر مبتنی بر اعتماد استفاده شده و میزان دقت در این سیستم ها با حفظ میزان پوشش، بهبود داده شده است. علاوه بر این در روش پیشنهادی دوم، با ترکیب مفهوم تسلط پارتو، اعتماد، اطمینان و شباهت در سیستم های توصیه گر مبتنی بر اعتماد، کارایی این سیستم ها در بهبود دقت و پوشش بر روی کاربران و آیتم ها افزایش یافته است.
