基于用户掌握的社交商务活动知识的程度不同，可以将其划分为以下两类：专家（Expertise）用户、熟练（Familiarity）用户（Jacoby and Troutman，1986）。其中，熟练用户是指对产品的认知程度较高的用户；专家用户是指完全具备相关产品具体工作的操作能力的用户。同时，专家用户需要在日常实践中获得更好的使用体验和经验，并在网络购物环境中建立起彼此相关联的知识结构，从而能再运用到实践中。所以，专家用户在此被定义为在某领域活跃度较高且能够对购买意向进行准确预测的用户。这里用到的数据是以brandclass3作为依据，划分数据集为11个领域。对于用户u，其用户专家值有以下计算公式，具体见公式（7-4）：

用户u参与t个社交活动，共划分为n个领域；各领域参与的社交项目为mi个，userExpertise（u，i）是用户u在领域i上的专家值。因此，在领域i上，用户u的专家值有以下计算公式，具体见公式（7-5）：

公式中，j是在领域上用户u所参与的社交项目的集合；φ（u，i）是在领域i上用户u的活跃度，倘若参与次数count（u，i）比其他全部用户的平均值avg（i）大，那么其值为1，否则为count（u，i）/avg（i）；userCorrect（u，j）是测量用户u对项目j的预测准确性。(www.daowen.com)

用户u预测的准确度体现为该用户的评价与预测值之间的相似程度。根据相关研究（O’donovan and Smyth，2005）有如下改进公式（7-6）：

公式中，ru，j是用户u对社交项目j具有的实际信任度；pred（u，j）是用户u 对社交项目j的预测信任度，具体计算见公式（7-7）；ε为1.8，倘若除用户u外项目j的参与用户数量n比10小，那么λ为n/10，否则为1。因用户参与社交活动的平均数量在用户购买历史数据集中近似为10，故这里取10为阈值。