本文研究了个性化推荐系统及其主要的推荐技术，特别是协作过滤技术， 包括基于用户的协作过滤技术和基于项目的协作过滤技术。

随着国民经济的快速发展以及人民生活质量的日益提高，外出旅游逐渐成为人们生活中的一个重要组成部分。由于旅游电子商务网站使得人们旅游的预订和出行更加的方便快捷，使得旅游电子商务快速的发展起来。如今，在线旅游已经成为最流行的电子商务之一，越来越多的人开始通过在线旅游网站制定出游计划。然而，如何帮助游客快速查询所需的旅游信息，更有效的将潜在客户变为购买者是旅游电子商务网站当前亟需解决的问题。 　　因此，本论文设计并实现了一种基于协同过滤技术的个性化旅游推荐系统，并对所涉及的一些关键技术进行研究。在本论文

为了解决信息检索中无法获取符合个人需求的特色资源的问题，介绍了个性化推荐系统的概念以及推荐系统常用的算法；重点阐述了协同过滤技术的流程：利用用户项目矩阵计算用户之间的相似性，结合最近邻信息预测出符合个人特性的推荐信息；最后指出了协同过滤研究的难点问题。

互联网技术的迅速发展，尤其是以个性化为主要特点的Web 2.0的不断成熟，使得大量信息同时呈现在人们面前，个性化推荐技术的价值日益凸显。提出了一种灵活适应不同业务的个性化推荐系统设计方案，采集并分析用户的所有显式行为和隐式行为，结合用户行为配置文件和熵值法分析用户对物品的兴趣度，并引入时间遗忘函数，解决用户兴趣漂移问题，然后基于协同过滤技术得到用户的个性化推荐列表。通过实际数据进行测试，给出了系统推荐效果评估分析。