传统的个性化推荐系统是根据用户的兴趣特点和购买行为，向用户推荐感兴趣的信息和商品。但是随着推荐需求的不断扩大，在涉及到人之间彼此匹配的特定的社会推荐中，推荐双方都是具有自主选择权的对象，进行匹配时需要同时满足双方的要求。因此，推荐系统中的互惠推荐已成为亟待解决的问题。本文在对国内外研究现状综合分析的基础上，进一步对互惠推荐算法做了深入的研究。首先，针对传统的推荐算法无法满足用户双方偏好的问题，通过引入本体论的概念对个性化推荐算法进行了扩展，提出了一种基于本体的互惠推荐模型，利用领域本体对信息描述的深入性，构建了基于本体的用户模型，提出了本体用户相似度的计算方法，依据数学建模中的二分图建立基于双向匹配的互惠推荐算法，实现了推荐系统中的双向选择。其次，针对网络招聘系统，深入分析了推荐算法中用户偏好模型的特征，提出一种基于用户交流历史的隐式偏好计算方法，挖掘其潜在的偏好信息，克服了现有偏好函数的一些缺陷，提高了用户信息数据描述的准确程度；并从用户的相似度计算角度分析，通过引入权重值α，将用户的显式和隐式相似度计算融合起来，更全面和综合的反映用户间的真实关联；另外，为了实现推荐中的互惠，将推荐分为两个独立的过程，分别对用户双方单独进行推荐，再将根据互惠相似度计算得出的互惠值依次进行推荐，以满足各自的需求从而达到双方互惠的目的。最后，对本文提出的算法进行了实验验证，与现有的互惠推荐算法进行了对比分析，并且对未来的研究方向进行了总结和展望。