随着计算机技术的发展和网络的普及,人们的生活、工作和学习越来越离不开网络,个性化推荐系统应运而生。个性化推荐系统,可以挖掘用户的注册信息、分析用户浏览网页行为,来判断用户的可能需求,然后根据某种个性化推荐方式向用户进行个性化推荐。个性化推荐系统的应用,使站点的服务变得更简单,同时也可以提高用户的忠诚度。本文以个性化推荐算法为研究内容,在分析比较了现有的个性化推荐算法基础上,针对基于关联规则的个性化推荐中得到的规则可能不全或冗余问题,提出了一个基于二进制区分矩阵的规则获取算法,并通过Movielens数据库验证了它的可行性。本文主要包括以下几方面内容:第一,通过阅读大量文献,了解了国内外个性化推荐算法理论研究情况和发展趋势、在文中描述了几种常见的个性化推荐算法,并分析了它们的优缺点和个性化推荐算法面临的问题。着重研究了基于关联规则的个性化推荐算法,该算法的核心是获取最小规则。第二,针对关联规则获取需要处理大量不确定数据问题,仔细研究了能够处理此问题的粗糙集理论。在文中简述了粗糙集理论发展过程、基本概念、常用方法和应用软件,及其理论特点,重点概述了粗糙集理论中几个主要属性约简和规则获取算法,然后基于二进制区分矩阵,提出了一种改进的规则获取算法。第三,设计仿真试验,以Movielens数据库为例,将改进算法得到的结果与区分矩阵方法、粗糙集软件ROSETTA上现有方法得到的实验结果进行比较,验证了改进算法的有效性。