随着信息的日益增长，个性化服务的需求越来越迫切。由于用户兴趣的不同和行为的差异，如何为不同的用户提供不同的服务成为一个具有挑战性的问题。在研究领域和商业应用上都取得了巨大成功的协作过滤推荐技术目前还存在很多尚未解决的问题，本论文正是为了探索这些问题的解决之道。论文的主要内容包括：首先，论文讨论了实现个性化服务的关键问题，用户的描述、资源的表达和个性化推荐技术。这是了解个性化服务技术的发展、存在的问题、以及进行研究的基础。其次，论文详细的分析了协作过滤推荐技术，传统的协作过滤算法只考虑了用户评分信息而没有考虑到用户的社会背景信息，并且缺乏对用户评分是否可信的考虑。针对这个问题，论文提出了基于用户社会信息的相似度计算，以及对用户的评分进行信用评估的方法，从而找到更加相似的邻居用户和更加可信的用户评分进行计算，改善推荐效果。最后，协作过滤算法产生的预测值通常是一个小数，还需要判定为对应到某个评分级别的整数。传统的算法按照“四舍五入”原则生成判定值，考虑过于简单，忽略了用户的评分趋势。因此，论文提出了基于用户评分趋势的预测值判定算法，考虑预测值与评分级别之间的偏离，以及用户的评分趋势，再对预测值进行判定，有效地提高了推荐的性能和精度。