随着信息技术和网络技术的飞速发展，人们已经进入了互联网时代，互联网不仅为企业提供了便捷的信息收集方式，协助企业开拓市场，而且为企业提供了一个网络化的商务平台。企业借助于互联网，利用电子信息手段进行一系列商务活动，加强了企业与用户间的沟通与联系：同时通过在已有的企业营销网络中构建推荐系统以实现网络化主动营销模式。在此模式下企业不但能够主动收集用户的各类信息，了解用户的需求，而且还能够以主动的营销行为去影响用户的行为和选择。这样，一方面实现了企业以销售产品为核心到以满足用户需求为核心的策略转变，另一方面也方便了用户找到自己满意的产品。推荐系统虽然已经在电子商务、电子图书馆等领域有着较广泛的应用，但随着其系统规模的扩大，它还面临着一系列的技术挑战。针对当前推荐系统所面临的问题，本文对推荐系统中广泛采用的协同过滤技术进行了深入的研究，详尽分析了现有协同过滤技术存在的不足和面临的挑战，提出一种协同过滤推荐改进算法——基于项目特征相似和关联规则的协同过滤推荐算法，来解决传统协同过滤推荐算法所面临的“稀疏性问题”和“第一评价问题”，采用了一种新的项目相似性度量方法来提高推荐质量，进一步地根据实际用户需求构建了多功能个性化推荐系统原型。本文的主要内容和结构安排如下：首先，介绍推荐系统的发展现状以及相关技术，分析在网络化主动营销模式下的推荐系统所具有的特点，阐述了论文研究的目标和意义。其次，系统地剖析了目前被广泛采用的经典推荐算法各自的优势与存在的不足，并深入研究了推荐系统中应用最为广泛的协同过滤技术，着重地针对“稀疏性问题”和“第一评价问题”提出了一个有效的协同过滤推荐改进算法。再次，通过采用协同过滤技术研究领域的权威实验数据集，完成了对文中提出的基于项目特征相似和关联规则的协同过滤推荐算法的科学、有效地测试与评估，实验性地验证了该算法的合理性、有效性和创新性。最后，基于某企业的实际应用需求，构建了一个多功能个性化推荐系统原型，将文中提出的协同过滤推荐改进算法有效地结合到系统原型设计方案中，从而从实际需求的角度完成了本论文研究内容的应用性尝试。