推荐系统通过预测用户对项目的喜好程度来为用户进行推荐。协同过滤是个性化推荐系统的一种主要推荐技术。本文主要是研究和解决协同过滤算法中的冷启动推荐问题。所谓冷启动问题是指推荐系统无法为那些评分信息甚少的用户和项目、新用户和新项目进行推荐。而冷启动问题是任何投入使用的推荐系统都会面临的挑战,尤其应用协同过滤技术的推荐系统。本文中考虑了冷启动问题中的三种情况：冷启动系统、冷启动用户和冷启动项目。有效地利用项目的内容信息和用户的个人信息是解决冷启动问题的有效方法之一,即将信息过滤和协同过滤相结合的混合推荐技术。本文提出的带偏见的基于特征的回归模型(简称为FRBE)就是一种混合推荐技术,能较好的解决冷启动问题。FRBE是基于用户属性和项目特征建立一个双线性回归模型,并以用户和项目的偏见为基础评分。另外,本文提出的CoTrustWalker算法是一种结合信任推荐和基于项目的协同过滤算法的算法,利用用户的社交网络取代传统的最近邻协同过滤技术中的相似邻居。该算法无需分析用户或项目的属性信息,能在一定程度上解决冷启动问题。经实验分析后,FRBE在稀疏的数据集、新用户和新项目上能较好地进行预测评分。与目前很多推荐系统利用用户从众心理的AVG方法和最热推荐算法相比,在性能上基本占优。而CoTrustWalker算法虽然能为新用户预测评分,但从结果上而言劣于FRBE。