随着互联网和信息技术的高速发展,指数倍增长的信息进入到人们的视野。然而,对于信息的生产和接收者来说,这都是一个很大的挑战。如何让所发布的信息能够在众多的信息海洋中脱颖而出,这对于生产者来说是一个考验,创新对此来说尤为重要。然而,在成千上万的信息源中,用户如何能够迅速、准确的找到对自己有用的信息,这是当今社会研究的重点问题。信息资源迅猛增长,然而用户对信息的利用率却逐渐降低,想要从如此庞大的信息源中找到符合用户要求的信息的困难度越来越大,针对这一问题,早期使用搜索引擎来解决这一问题,但搜索引擎只能搜索到与用户所输入的关键字相同或者相似的信息,它可以达到一定的信息过滤功能,但没有个性化的搜索结果。与此同时,推荐系统的出现很好的解决了搜索引擎的不足之处,它除了根据用户所输入的关键字来获取信息以外,还会结合用户的社交圈,以及历史搜索记录,为用户进行个性化的推荐服务,并能够与用户建立一种悠长而恒定的交互关系,不仅提高了用户的忠诚度,也为生产者营造了良好可靠的信息平台,达到一个双赢的目的。文章首先通过对推荐系统传统算法的分析与研究,了解推荐系统的各种算法。目前存在的基于用户的协同过滤算法和基于项目的协同过滤算法,虽然得到了普遍的认可。但也有不足之处,用户相似度的计算误差较大,用户评分存在一个用户偏好问题。同时协同过滤算法都是考虑项目资源本身的联系,已经用户的评分,但没有考虑过用户之间的信任程度等问题,针对这些问题,文章进行的改进。文章的主要创新点或技术特点如下：1、通过比较相似度算法,对于传统推荐算法中使用的余弦相似度改为修正的余弦相似度,避免了用户偏好问题；2、采用混合的协同过滤算法,结合用户-评分相似度和用户-项目属性相似度,得到的最近邻居集更为准确；3、在第2步的基础上,通过计算用户之间的信任程度,得到的预测结果更接近用户的真实评价。