随着网络的普及和电子商务的迅速发展,造成了信息的过载,用户在大量的产品信息中难以找到所需的商品,因此个性化推荐系统应运而生。它可以帮助用户找到所需商品;也可以帮助电子商务企业有效保留用户、增加网站的交叉销售和提高客户的忠诚度。个性化推荐系统逐渐成为电子商务领域的一项重要研究内容,已经得到众多研究者的广泛关注。　　协同过滤技术是目前个性化推荐系统中应用最广泛的技术之一。本文详细描述了协同过滤算法的基本理论,以及协同过滤算法的经典算法——基于内存的协同过滤算法。本论文的主要研究工作如下:　　⑴在大量相关文献进行总结的基础上,分别回顾了国内和国外个性化推荐算法和个性化推荐系统的研究现状,提出了本文的研究思路和内容。　　⑵针对传统协同过滤算法将不同用户在不同时间的偏好等同考虑的缺陷,提出改进相关相似性度量方法,在该方法中,赋予每项评分一个唯一的时间权重值,在此基础上将用户评分值和时间权重有机结合,并将加权后的评分引入到相关相似性度量方法中,以此确定用户的最近邻居集合。最后通过实验证明该算法的推荐质量要优于传统的算法。　　⑶分析了Taste体系结构,并阐述了各个Taste组件的功能,实现了个性化电影推荐系统,并将推荐项以网页的形式推荐给具体用户。　　⑷最后,对作者所完成的工作进行了归纳和总结,并指出了将来进一步的研究方向。