随着电子商务在互联网产业中的兴起，作为电子商务平台核心技术之一的个性化推荐技术已受到广泛的关注。个性化推荐是指根据用户的个人特征、历史行为和物品特征等信息通过协同过滤、内容过滤、知识发现、交互式推荐等推荐技术，向用户推荐其可能感兴趣的物品。在诸多推荐算法中，协同过滤的推荐技术是目前应用最广的推荐算法之一。尽管如此，协同过滤算法在应用到电子商务的个性化推荐时还是面临着以下问题：第一，如何考虑用户兴趣随时间推移而变化的问题，使用户之间相似度的计算更加精确；第二，如何利用社会网络更准确的衡量用户之间的相似度，使用户的最近邻集合更为准确；第三，如何考虑有共同兴趣爱好的用户评分行为的相似性而不是相同的问题，使项目的预测评分更为准确；第四，如何利用项目类别之间的固有关系，如内部关系、有序关系等为用户提供更为精确的推荐结果。针对上述问题本文在传统的协同过滤算法的基础上引入了时序更新、信任度、预测评分优化和结构化的思想，首先根据时序更新的思想区分用户的远期兴趣和近期兴趣，准确的计算用户和其他用户之间当前的相似度，然后考虑用户的社会网络计算用户之间的信任度，将信任度作为相似度的补充为用户找到最近邻集合，再根据用户的最近邻集合的评分通过优化的项目预测评分策略来预测用户对项目的评分，并取预测评分较高的项目推荐给用户，最后考虑到项目类别之间的固有关系，找到被推荐项目所在项目类别，然后锁定二次推荐项目的类别，考虑用户和被推荐项目的特点，为用户提供二次推荐。最后在MovieLens数据集上进行实验，对比实验结果说明改进的基于协同过滤算法的个性化推荐方法与传统的协同过滤算法相比推荐结果具有更高的准确率。