فیلترینگ مشارکتی متداول ترین ‎رویکرد برای شناسایی اقلام مورد علاقه کاربر در سیستم های پیشنهاددهنده است. با وجود این، کارآمدی فیلترینگ مشارکتی در شرایط خلوتی داده ها و شروع سرد پایین می آید. راه حل های مختلفی برای مقابله با این مشکلات ارائه شده است. یکی از این راهکارها بهبود رویکرد فیلترینگ مشارکتی با اعمال پارامتر اعتماد است که منجر به افزایش دقت پیشنهادهای سیستم می شود. از آنجا که مقدار اعتماد مستقیم به یک کاربر همواره در دسترس نیست، انتشار اعتماد یعنی تخمین اعتماد غیرمستقیم می تواند سودمند باشد. از طرف دیگر در صورتی که پارامترهای مختلف در انتشار اعتماد در نظر گرفته شود، کارایی و کارآمدی سیستم های پیشنهاددهنده مبتنی بر اعتماد بهبود می یابد. در این مقاله، یک مدل انتشار اعتماد چهاربعدی برای استفاده در سیستم های پیشنهاددهنده ارائه می کنیم. در این مدل، تأثیر چهار پارامتر فاصله اجتماعی، موقعیت مکانی، زمان و زمینه در انتشار اعتماد اعمال می شود. همچنین یک معیار شباهت زمینه ای جدید مبتنی بر درخت، پیشنهاد می کنیم که براساس وزن دهی به یال ها در درخت زمینه عمل می کند. نتایج آزمایش های انجام شده بر روی چند مجموعه داده معروف نشان می دهد که مدل پیشنهادی کارآمدی و صحت بالاتری نسبت به روش های موجود ارائه می کند. پرونده مقاله