随着Internet和电子商务技术的迅猛发展，信息膨胀与冗余给人们的社会生活和商务工作带来了信息选择的困惑。人们迫切需要一种个性化推荐技术帮助他们实现信息过滤和对服务的自动推荐。本文研究了个性化推荐系统及其主要的推荐技术，特别是协作过滤技术，包括基于用户的协作过滤技术和基于项目的协作过滤技术。基于用户的协作过滤算法是目前应用最成功的一种个性化推荐技术，它在推荐效果和准确性等方面显示出了卓越的优势。但是，这种推荐技术中存在的稀疏问题和冷开始问题也严重影响了推荐系统的性能，使协作过滤的效果得不到充分的发挥。在以上分析的基础上，本文的工作及创新主要体现在下面的三个方面：1．对用户-项目评价矩阵进行降维的预处理，验证了这种方法对原始评价矩阵降低了噪音，而且有效地揭示了矩阵用户之间的潜在关联性，有效地解决了稀疏问题。2．在用户间相似度的计算阶段，用实验充分验证了计算用户间相似度使用相关相似度的度量标准所得到的算法要比余弦相似度算法的推荐质量要高。3．在预测阶段，采用中心加权求和的方法预测用户对新项目的评分，并且通过实验验证了这种中心加权求和的方法比单纯用基于用户和基于项目的协作推荐算法具有更高的推荐质量，同时，这样很好地弥补了协作过滤算法在冷开始中的新项目问题上的不足，提高了推荐系统的推荐质量与推荐精度。