1.一种社交网络服务中模糊信任度计算方法，其特征在于，包括以下步骤：利用用户的熟悉度信任值和相似度信任值，计算得出总体信任值；

其中，相似度信任值的计算公式表示为：利用杰卡德相似系数通过相关调整来计算相似度信任值，计算公式如下：ST(u,v)表示用户u对用户v的相似度信任值；ai表示第一指示函数，ai＝(ui＝vi∩ui,vi≠0)，即当ui＝vi且ui≠0、vi≠0为真时，ai＝1，否则ai＝0；bi表示第二指示函数，bi＝(ui≠0∪vi≠0)，即当ui≠0或vi≠0为真时，bi＝1，否则，bi＝0；ui表示用户u对第i个项目的标记情况，ui＝0表示用户u未标记第i个项目，ui＝1表示用户u标记第i个项目；vi表示用户v对第i个项目的标记情况，vi＝0表示用户v未标记第i个项目，vi＝1表示用户v标记第i个项目；

将所述总体信任值根据不同语言等级的隶属函数进行模糊计算，得到最大的隶属函数值；

最大的隶属函数值的计算方式为：

fmax＝max(fl,fml,fm,fmh,fh)其中，fmax为fl,fml,fm,fmh,fh中最大值；fl表示低等语言等级的隶属函数值；fml表示中低等语言等级的隶属函数值；fm表示中等语言等级的隶属函数值；fmh表示中高等语言等级的隶属函数值；fh表示高等语言等级的隶属函数值；

fl,fml,fm,fmh,fh的计算公式分别为：其中，x＝T(u,v)，T(u,v)表示用户u到用户v的总体信任值；

根据所述最大的隶属函数值，确定总体信任值对应的语言等级。

2.根据权利要求1所述的社交网络服务中模糊信任度计算方法，其特征在于，所述总体信任值的计算公式为：

T(u,v)＝αFT(u,v)+(1‑α)ST(u,v)其中，T(u,v)为用户u到用户v的总体信任值，FT(u,v)表示熟悉度信任值；ST(u,v)表示相似度信任值，α为归一化参数。

3.根据权利要求2所述的社交网络服务中模糊信任度计算方法，其特征在于，所述熟悉度信任值的计算公式为：

FT(u,v)＝λFTa(u,v)+(1‑λ)FTp(u,v)其中，FT(u,v)表示用户u到用户v的熟悉度信任值，λ是归一化参数，FTa(u,v)表示主动熟悉度信任值；FTp(u,v)表示被动熟悉度信任值。

4.根据权利要求3所述的社交网络服务中模糊信任度计算方法，其特征在于，所述主动熟悉度信任值的计算公式为：

其中，A(u→v)表示用户u到用户v的主动交互次数；N是用户u的邻居节点集合。

5.根据权利要求3所述的社交网络服务中模糊信任度计算方法，其特征在于，所述被动熟悉度信息值的计算公式为：

其中， 表示用户u到用户v的被动交互次数；N是用户u的邻居节点集合。

6.根据权利要求1所述的社交网络服务中模糊信任度计算方法，其特征在于，总体信任值对应的语言等级包括：

L＝arg max(fmax)

当fmax＝fl时，L＝l；当fmax＝fml时，L＝ml；当fmax＝fm时，L＝m；当fmax＝fmh时，L＝mh；当fmax＝fh时，L＝h；

l表示低等语言等级；ml表示中低等语言等级；m表示中等语言等级；mh表示中高等语言等级；h表示高等语言等级。