【摘要】互联网上信息资源的爆炸式增长,给用户带来了信息过载问题,不明确的用户需求更是对搜索引擎提出了更大的挑战。个性化推荐系统实现了用户和信息资源的紧密连接。目前,协同过滤算法是个性化推荐系统中使用最广泛的算法。然而随着用户数量和信息资源的不断骤增,数据不可靠、稀疏性以及及时性等问题严重影响着推荐系统的推荐质量。因此,基于现有协同过滤技术在时间和空间的维度上对传统算法从三方面进行了改进:在空间上构造情感得分矩阵并结合评分矩阵以缓解用户主观评分不可靠问题;在时间上引入时间权重因子模拟用户的兴趣迁移以缓解数据稀疏性和及时性问题;结合用户兴趣分布相似度和评分相似度来进一步保证推荐质量。同时,以电影推荐系统为例验证改进协同过滤算法的推荐质量,结果表明,相较于传统算法,改进的算法其推荐效果更优。