随着全球信息化建设的加速,企业的专业文档管理系统在日常运作中会积累大量的电子文档。系统中文档数量的不断增加导致用户不能快速获取所需的文档,严重影响了企业的办公效率。面对系统中海量的文档资源,针对不同用户的个性化文档推荐子系统可以高效地帮助用户发现其感兴趣的文档。本文的重点是对个性化推荐子系统中的推荐算法做进一步的改进和优化研究,并用各项实验评估数据进行对比分析来证明改进算法的有效性;同时,文中也对专业文档管理系统中存在的个性化文档推荐子系统部分进行了详细地需求分析,逻辑结构以及主要数据库设计,总体以及各项功能模块设计研究。对于原有的协同标签推荐算法而言,并没有考虑用户的配置文件信息,不能针对特定用户进行个性化推荐而且准确性也欠佳。系统在标准的协同标签推荐算法基础上,通过融入图聚类方法以及信任信息来进一步提高针对特定用户的个性化文档推荐结果准确性。本文对原算法主要做了如下两个方面改进:（1）文中在对大量的用户以及文档标签进行分类处理的过程中,通过引入近似最密集子图聚类方法将所有的标签生成若干个标签簇,使得簇内标签彼此相似且不同标签簇彼此相异,提高了原算法对大数据集的处理效率以及对未知推荐对象的挖掘能力。（2）文中将用户对不同标签簇的信任信息引入原算法中,在原算法的基础上线性组合用户的信任信息以及其对文档资源的兴趣度来生成每个文档的个性化分数。不仅能让系统针对特定用户进行个性化的文档推荐,而且在推荐结果的准确度上也有所提高。在两种不同数据集下,通过将HTGCPR算法与KMCPR、TCFR算法的各项实验数据进行对比分析和评估,结果表明个性化组合推荐方法的应用满足了用户对文档推荐实时性和准确性的要求,在一定程度上提升了用户的体验。