1.一种基于用户偏好和信任的冷启动推荐方法，其特征在于，包括以下步骤：S1、依据用户社交信息，度量用户间的综合信任值，构建信任关系矩阵；S2、依据用户评分数据，计算用户的偏好相似度，构建偏好关系矩阵；S3、利用综合相似度计算方法融合步骤S2的偏好关系与步骤S1的信任关系，并使用蜂群算法迭代更新综合相似度中的权值，进行多目标优化，使权值达到自适应最优，构建偏好信任关系矩阵；S4、基于偏好信任关系矩阵，选取冷启动用户的最可信邻居集为其预测相应项目进行评分；S5、将预测评分高的项目推荐给冷启动用户。

2.根据权利要求1所述的基于用户偏好和信任的冷启动推荐方法，其特征在于，所述步骤S1构建信任关系矩阵包括以下步骤：通过计算用户间的信任值得到用户对另一用户的信任程度，信任值为0的两用户间不存在信任关系，形成一个N×N有向邻接矩阵T，即用户的信任关系矩阵；其中的元素TS(ui,uj)代表第i个用户对第j个用户的综合信任程度；所述N为正整数，且i、j均为不大于N的正整数。

3.根据权利要求2所述的基于用户偏好和信任的冷启动推荐方法，其特征在于，所述步骤S1中计算用户间信任值的方法包括：(1)根据用户社交网的特性将用户的信任分为直接信任Dt和间接信任IDt；

(2)根据用户在社交网中相对位置范围将用户的可被信任概率分为局部可被信任概率α和全局可被信任概率β；

(3)根据信任的非对称相似计算用户的局部可被信任概率α；

(4)根据用户在社交网中得声望机制计算用户全局可被信任概率β；

(5)根据以上推理公式以及社会学中的相关理论知识得到用户综合信任度TS(u,v)，TS(u,v)＝α(u,v)*Dt(u,v)+βv*IDt(u,v)。

4.根据权利要求2所述的基于用户偏好和信任的冷启动推荐方法，其特征在于，所述步骤S2构建用户的偏好关系矩阵具体包括：获取N个用户对M个项目的主动评分，未主动评分的项目评分为空值，形成一个N×M用户-项目评分矩阵R；其中元素R(ui,m)表示第i个用户对第m个项目的评分；所述N、M均为正整数，且i、m依次均为不大于N与M的正整数；基于此评分信息通过相似度计算得到用户间的评分相似度从而形成一个N×N矩阵S，即用户的偏好关系矩阵；其中元素S(ui,uj)代表第i个用户与第j个用户的评分相似程度，所述N为正整数，且i、j均为不大于N的正整数。

5.根据权利要求4所述的基于用户偏好和信任的冷启动推荐方法，其特征在于，所述步骤S2中计算用户间评分相似度的方法包括：(1)将用户间的杰卡尔德共同评分项目占比定义为用户间的初始评分相似度；

(2)使用基于用户相似的用户评分偏好相似计算方法缓解用户间评分偏差对用户间的评分相似度带来的影响。

6.根据权利要求1所述的基于用户偏好和信任的冷启动推荐方法，其特征在于，所述步骤S3中计算用户间综合相似度的方法包括：(1)采用综合相似度计算方法融合用户的社交信息和评分信息；

(2)以综合相似度中的权重序列为自变量，综合绝对平均误差和F调和率可得到一个多目标优化的目标函数；

(3)采用蜂群优化算法对所述多目标函数进行优化从而找到最优的权重系数集{a,b,c}，最终达到权重系数自适应。

7.根据权利要求6所述的基于用户偏好和信任的冷启动推荐方法，其特征在于，所述步骤S4中计算目标用户u对项目m的预测评分值：其中，CS(u,v)表示用户u和用户v之间的综合相似性度；R(v,m)是用户v对项目m的评分，TNu是目标用户的最近可信邻居集。

8.根据权利要求7所述的基于用户偏好和信任的冷启动推荐方法，其特征在于，所述步骤S5中对于待推荐的项目集合Irec共有|Irec|个预测评分；降序排列待推荐项目的预测评分，取预测评分靠前的top(1≤top≤M)个项目向目标用户进行推荐。