随着互联网行业的蓬勃发展,便捷高效的电子商务日益成为人们日常生活中不可或缺的一部分。在广告领域,互联网广告联盟获得了长足发展,个性化广告推荐逐渐成为广告联盟之间差异化竞争的关键技术。广告联盟中的个性化推荐是指以用户对广告的行为数据、用户个人特征以及广告内容等信息为基础,以内容过滤、协同过滤、混合过滤以及数据挖掘等为技术手段,向目标用户推荐其可能感兴趣的广告内容。协同过滤算法是目前被研究和应用最广的推荐算法之一。由于广告及用户的特殊属性,广告联盟在应用协同过滤算法时还面临着以下问题：(1)广告与随时间变化的用户兴趣之间的实时匹配问题；(2)用户间兴趣相似度的时效性问题；(3) 用户之间的相似度度量问题。另外,如何利用现有的广告平台(利用其广告数据和用户数据资源),搭建以个性化广告推荐技术为核心技术的广告联盟,并通过在线-近线-离线(online-near line-offline)三层架构思想,将数据采集和广告推荐有机结合成一个整体,是本文在系统架构上需要考虑的。本文首先分析了现有的平台功能和架构,·给出了系统的改造需求；其次,结合传统的协同过滤算法,本文引入了定时更新、可信度、基于项目评分预测的思想,改进了WSO (Weighted Slope One)算法；最后,通过从现有系统中随机抽取样例进行实验,对比改进后的算法和传统的WSO算法,验证了随着时间变化,改进后的算法更有优势。