为了解决推荐系统的冷启动和数据稀疏性问题，研究人员利用用户之间的信任关系提出了多种基于信任的协同推荐算法，这些方法提高了推荐覆盖率，然而推荐精确度却有所降低。综合考虑用户之间的信任关系和用户的潜在特征，提出了基于信任和概率矩阵分解的协同推荐算法，通过融入用户的相似性、影响力、专业性等知识计算用户之间不对称的信任关系，结合概率矩阵分解模型进行评分预测。最后在数据集上进行实验测试评估，实验表明该算法可以有效提高推荐结果的精确度。