随着互联网的发展,人们需要越来越精确化、专业化、个性化的搜索。如何让用户快速准确地获得所需要的信息,是个性化搜索引擎需要解决的关键技术。推荐引擎作为一种信息过滤的重要手段,是解决当前信息超载问题非常有效的工具。实现推荐引擎的关键是准确地获取用户个人信息或用户的浏览信息,然后对获取的信息进行正确地分析,进而在准确描述用户特征的基础上,以最有效的推荐算法提供推荐信息。本文主要对推荐引擎的核心技术——协同过滤技术进行了研究,针对该技术的冷启动缺点,本文以层次分析法和协同过滤算法相结合的方式搭建了用户模型和过滤模型,在这两种模型中对用户进行了分类,然后对不同类型的用户采用不同的算法进行处理,最后对两个模型进行了相应的实验分析,实验结果表明这两种模型在解决系统冷启动的问题上获得很好的效果。在上述工作的基础上,本文设计了基于改进的过滤算法的高考用户模型和高考信息过滤模型,最终完成了对高考信息推荐引擎的设计。并对该引擎进行了相应的测试分析,测试结果显示该引擎具有较高的准确率和用户满意度,在很大程度上克服了传统推荐引擎推荐质量低下的问题。