Los sistemas de recomendación alivian el problema de la sobrecarga de información al ayudar a los usuarios a encontrar información relevante para sus preferencias. Los sistemas recomendadores basados en memoria utilizan la similitud basada en correlación para medir el interés común entre los usuarios. La confianza entre los usuarios se utiliza a menudo para abordar los problemas asociados con las medidas de similitud basadas en correlación. Sin embargo, en la mayoría de las aplicaciones, las relaciones de confianza entre los usuarios no están disponibles. Un método popular para extraer la relación de confianza implícita entre los usuarios emplea la precisión de predicción. Este método tiene varios problemas, como el alto costo computacional y la escasez de datos. En este documento, abordando los problemas asociados con los métodos de extracción de confianza basados en la precisión de predicción, propusimos un método de confianza novedoso llamado AgreeRelTrust. A diferencia de los métodos basados en precisión, este método no requiere el cálculo de la predicción inicial y la relación de confianza es más significativa. Los acuerdos colectivos entre dos usuarios y sus actividades relativas se fusionan para obtener la relación de confianza. Para evaluar la utilidad de nuestro método, lo aplicamos a tres conjuntos de datos públicos y comparamos la precisión de la predicción con métodos de filtrado colaborativo conocidos. Los resultados experimentales muestran que nuestro método tiene grandes mejoras sobre los otros métodos.