现代通信技术、Internet技术和多媒体技术的快速发展,在使用户能够快捷获取形式多样信息资源的同时,也不可避免的带来了“信息过载”( Information Overload)的问题。Internet媒体的使用或传递者,通过他们对资源的偏好、社会关系、任务协作等关联起来,形成了一种新型的推荐关系网络。为这种推荐关系网络提供感兴趣的信息,是减少信息过载和实现应用系统个性化的主要途径。实现上述推荐关系网络的基础是个性化推荐技术,它的研究涉及信息检索、数据挖掘、人工智能、社会学等众多领域。“电子警务”是改变传统警务方式、提高警务工作水平的重要措施。电子警务的个性化是指以网络方式进行的警务活动个性化,就是公安部门如何利用电子警务平台,对警务活动进行再造,通过开放式网络环境向警员提供个性化的办公流程和服务。在电子警务的个性化实现中,个性化推荐技术是基本的关键技术之一。本论文围绕开放式环境下的个性化推荐技术、模型及算法展开调研,对个性化推荐技术、特别是现有推荐系统的社区结构发现技术进行了系统的分析和比较。针对用户行为的刻画与兴趣获取、相似用户查找、个性化推荐策略、和社区自组织等问题,进行了分析和研究。在此基础上,基于协同过滤技术,提出了一种基于多级智能代理的自组织互惠社区构建及推荐算法,来完成动态个性化推荐,并对该算法的有效性和鲁棒性进行了验证。最后,结合公安数据种类繁多,各警种对公安数据的兴趣参差不齐的特点,将上述个性化动态推荐技术的研究结果应用于电子警务领域,以减少警务人员信息过载的问题。并且针对某市电子警务现状,开发了基于学习社区监控和动态个性化数据资源推荐的电子警务查询系统,实现相同兴趣警员的自组织,并提供资源推荐、资源共享、协同交流等功能,帮助警员有效共享资源和经验。