随着互联网的普及和全球信息化进程的发展,网络已经成为人们获取信息的主要途径,网络上的资源开始呈现爆炸式增长,而用户往往很难发现真正对自己有价值的信息,同时一些很少被用户关注的信息很容易成为孤岛信息。个性化推荐系统的出现可以有效的解决这些问题,它分析用户的兴趣特点和购买行为,向用户推荐可能感兴趣和满意的信息,帮助用户做出正确的选择。但是当下的电子商务推荐系统并不成熟,推荐效率低、推荐质量差和自动化程度低等问题普遍存在。本文研究主流的个性化推荐技术,重点对基于内容的过滤技术与协同过滤技术进行探讨,比较两者的优劣并采用结合两种推荐技术进行混合推荐的方法,提出一个混合推荐引擎工作的框架模型。众所周知,在推荐系统的研究中,兴趣模型和用户聚类一直是人们研讨的热点,而本文特别关注用户兴趣模型。调查表明,大多数网民都愿意对网站提供姓名,性别,职业等不太敏感的个人信息,而具有相似背景的用户通常都具有相同的兴趣,另外用户对项目的评分和用户查询时输入的关键词都能有效的代表用户的兴趣,因此,我们将三者进行结合,共同完成用户兴趣模型的建立,并据此提出了相应的用户相似度计算方法,根据此结果在离线时间里完成对用户的聚类,从而极大的缩短了在线推荐的时间,提高了推荐系统的实时性。另外,针对目前个性化推荐系统中普遍存在的推荐质量差的问题,本文利用内容属性标注的手段,并结合特定领域内的概念知识库,充分利用到项目本身的属性进行相似度计算,由此解决新项目的冷开始问题,并能够根据项目的相似值结合内容过滤技术预测用户-项目矩阵中的零值,从而解决数据稀疏的问题,提高推荐质量。最后,本文设计和实现一个基于混合模式的简单的个性化旅游推荐原型系统。该原型系统基于多模型的推荐引擎,提供个性化推荐、热门推荐和新项目推荐等多方面的推荐结果,并综合了关键词检索和用户评分的功能,从不同层面帮助用户获取个性化信息,提升用户体验。