本文研究了目前电子商务领域中普遍采用的个性化推荐系统,介绍了个性化推荐系统的国内外研究现状,重点分析了其中应用最为广泛的基于用户的协同过滤推荐系统的工作原理,并针对传统的基于用户的协同过滤推荐系统中所存在的用户评价稀疏、存储空间利用度低、系统自适应性不强等缺点,提出了一种改进的协同过滤推荐系统。本文引入了一种改进的十字链表存储结构存储用户-资源评价矩阵中的数据元素,既可以支持矩阵的动态变化,又最大程度的压缩了系统的存储空间。同时本文将本体与语义网的理论引入到系统中,通过利用资源之间的语义关系,来预测用户没有显式评分的资源得分,在一定程度上解决了评价稀疏性所带来的推荐精度不高的问题。此外,系统将运行结果记录下来,同步刷新用户资源评价矩阵,使得系统可以充分利用上次运行结果,逐渐提高推荐精度,有效地改善了系统的自适应性。本文利用统计精度度量方法对传统的基于用户的协同过滤推荐系统与改进后的推荐系统进行了对比,证明了系统在推荐精度方面的改进。