地球村的发展使得现有的语言文字成为世界人民交流的主要障碍,基于此,西北大学“小露珠”团队提出了一种跨语种、跨文化、跨人机和跨时空的“和”语言,旨在为全世界用户提供统一的交流语言。随着“和”语言的推广,新用户与图符数量急剧增加,用户很难找到自己感兴趣的图符,因此,有必要将推荐算法引入到图符领域。协同过滤算法作为推荐算法中应用最成功的解决信息过载的方法,主要存在数据稀疏性和冷启动问题。因此本文为解决上述问题,对协同过滤算法进行研究、改进及应用。主要工作如下:首先,研究了基于用户特征和时间权重的协同过滤算法(Collaborative Filtering algorithm based on User Characteristic and Time Weight,UCTWCF),利用用户注册信息计算用户特征相似度,引入了包含兴趣不变时间窗T的时间权重函数来体现用户兴趣的变化性,获得更加符合用户当下实际需求的推荐。实验结果表明该算法在一定程度上缓减了新用户冷启动问题,降低了数据稀疏性对推荐结果的影响,有效地提高了推荐质量。然后,研究了基于信任关系的协同过滤算法(Collaborative Filtering algorithm based on Trust Relationship,TRCF),利用信任传递构建了信任网络,拓宽了能进行推荐的用户群,缓解了因数据稀疏导致相似度计算准确性较低的问题。该算法通过分别计算用户直接信任度、间接信任度、综合信任度和加权信任度,来进行推荐。实验结果表明该算法具有更高的预测评分的准确性。最后,设计并实现了图符推荐系统,将UCTWCF和TRCF算法应用到该系统中,为用户提供了个性化的图符推荐,提高了用户的满意度,促进了“和”语言的推广与使用。