近年来互联网金融发展迅猛,已快速渗透到各种传统金融领域,互联网保险适应了网络时代经济蓬勃发展的大趋势,敏锐地捕捉到了互联网经济参与各方的风险保障需求,如雨后春笋般崛起。现存的互联网保险产品琳琅满目,然而,现存的互联网保险平台却功能单一,普通用户对于保险方面的知识相对欠缺,很难在众多产品中找出合适自己的产品。作为解决信息过载问题的有效手段之一,推荐系统进入了人们的视野,通过系统主动的向用户提供需求信息受到广泛关注。为了让每个用户都能够得到具有针对性的推荐结果,个性化推荐系统应运而生。本文的主要贡献在于提出了一个适用于互联网保险推荐的融合模型,在融合模型涉及的各种子算法基础上进行改进,包括(1)在基于用户协同过滤算法中,通过构建基于时间序列的消费网络,获取用户间的有向影响关系,以此更准确地找到邻居集合,构建基于时序的用户协同过滤算法,提高了推荐算法的准确度;(2)在基于项目协同过滤算法基础上,考虑互联网保险产品的类型对项目相似度的影响,构建基于项目类型的协同过滤算法,提高了推荐算法的准确度;(3)改进基于二部图网络结构的推荐算法NBI,考虑用户购买次数对于资源分配的影响,构造加权WNBI模型,提高了推荐算法的准确度。在改进之后通过离线实验分析了各种算法的优缺点,将本文提出的基于时序的用户协同过滤算法与加权WNBI算法进行加权融合,并证明了所构造的融合模型在推荐的准确度、多样性和扩展性方面都比传统算法有所提高。