在信息量极大丰富的今天，存在的最大问题并不是信息的缺乏或是不足，而是信息量的激增已经超出了人们处理信息的能力，信息的检索和利用成为了目前最大的问题。如何针对不同用户的信息需求，对不同的用户在同样日益庞大的信息资源面前提供个性化的服务，是目前信息研究领域比较重要的一个问题。 个性化信息服务的目标是满足特定用户的特定信息需求。一方面，极大丰富的信息资源给用户提供了海量的相关信息，另一方面，冗余信息的大量存在也干扰了用户对所需要信息的获取。当前，用户的信息需求由一般性的对于信息资源的完全占有转向了对于信息资源中有价值信息的获取。 本文提出了一种面向个性化推荐技术的信息过滤改进模型。第一，文中提出了模型的形式化定义和框架表示，为进一步研究奠定了坚实的理论基础；第二，提出了利用描述逻辑表示的本体理论来表达用户需求的模型，该模型可以充分表达用户需求中的语义信息；第三，对于冗长的原始文本，利用文档归并算法形成有意义的段落集合，然后把段落集合转变成一个本体树构成的森林；第四，提出了基于树形结构的相似度比较算法，可以在语义级别上比较需求本体和文档本体实例的相似性。 在信息过滤改进模型指导下，本文提出并构建了一个电子商务个性化推荐系统。该个性化推荐系统考虑到了用户需求表达中的语义因素，在推荐的正确率和召回率上都有很大的提高，能够比较好的完成推荐任务。最后，完成了一个基于改进模型的电子商务个性化推荐系统的原型，并给出了对于该原型的评价。