问答系统可以被分为自动问答系统和交互式问答系统。在电子商务等系统中,常见的问答系统有客户服务系统,Call Center,智能查询等。但是目前的这些问答系统中,并没有根据问题的有效期、用户的知识结构及积极性去设计个性化的推荐方案。协同过滤是现阶段最成功的个性化推荐技术之一,怎样将协同过滤算法应用到交互式问答系统中,是一项值得研究和解决的问题。　　 本文根据交互式问答领域以及协同过滤算法的特点,提出了基于协同过滤算法的交互式问答系统,对更加合理和有效地向用户提供个性化推荐的相关问题方面进行了探索,以便使用户准确地得到感兴趣的问题。本文的研究内容如下:　　 第一,研究了交互式问答系统的几种常见模型,语义模式以及基于案例推理模型,并对基于案例推理模型进行了改进。　　 第二,提出了基于协同过滤算法的交互式问答系统。传统的交互式问答系统中,有的没有提供任何问题推荐机制,有的仅向用户随机推荐若干与他所回答问题所属版面相同的问题,并没有根据问题的有效期、用户的知识结构及积极性去设计个性化的推荐方案.本文提出了基于协同过滤算法的交互式问答系统,从而向用户提供更加合理和有效地个性化推荐。　　 1、提出了基于用户知识、用户行为和用户社会的用户模型。　　 2、改进了基于协同过滤算法的问题推荐机制,通过计算评分矩阵中未评分问题,在用户浏览一个问题的同时,系统将选出对于该用户来说预测评分最高的若干个问题,作为推荐问题,显示给用户。　　 第三,对基于协同过滤算法的交互式问答系统进行了分析和设计,阐释了该系统中的用户数据库,用户管理和建模模块、问题分析模块和问题推荐模块,并介绍了各个模块的功能。