互联网的飞速发展使得网络中的数据量急剧增加,帮助用户快速获取所需信息,推荐给用户有用的信息成为重要的研究课题。个性化推荐服务就是针对上述问题而提出的,能够为不同背景、不同需求的用户提供不同的服务,以满足用户不同的需求,通过用户有限的用户行为,预测用户感兴趣的信息并推荐给用户。本文介绍了当前主流推荐技术的发展情况,分析了基于协同和基于内容推荐策略的特点、优缺点,在此基础上,提出了通过动态关联计算,结合两种推荐策略构建基于动态关联计算的推荐系统模型。该系统通过动态关联算法协调协同推荐的结果和基于果盘模型的内容推荐的结果而产生推荐列表,提出冷启动推荐列表解决整个系统冷启动的问题,并给出了整个系统的推荐策略及算法描述,确定了动态关联计算的参数设置。在基于果盘模型的内容推荐中,针对本文讨论的推荐项目即电影,分析了视频类数据的特点,建立了其内容特征向量的模型和用户兴趣模型,提出了使用TF-IDF算法更新用户兴趣模型的方法,给出了基于果盘模型的内容推荐算法。在协同推荐中,深入分析了协同推荐的稀疏性问题、冷启动问题,分别给出了稀疏性和冷启动的解决方案,明确了协同推荐策略和算法描述。在实验中,选取平均绝对偏差指标MAE衡量推荐质量,在同一用户模型在不同系统状态下,同一系统状态下不同用户模型的推荐场景下,对比本文提出的基于动态关联计算的推荐系统和基于协同的推荐系统的推荐质量。实验证明,基于动态关联计算的推荐系统的推荐质量优于基于协同的推荐系统,可以提供更好的用户体验。