随着互联网中用户数据的爆炸式增长和机器学习在各个领域的迅速扩张,用于解决婚恋交友问题的相关智能推荐算法也日趋活跃。本文以研究婚恋系统中智能推荐算法为课题,重点研究了具有较高准确率、泛化能力以及鲁棒性的婚恋推荐算法和婚恋系统中用户冷启动问题的解决方案,并以网站的形式将算法研究与应用结合起来,为用户推荐一组候选人。主要工作分为三个部分:1.提出一个具有更高准确率、泛化能力以及鲁棒性的SPWB算法。SPWB算法是三种算法叠加（Stacking）起来的混合婚恋推荐算法,其中P表示基于流行度（Popularity）的婚恋推荐算法,W表示基于威尔逊区间（Wilson interval）的婚恋推荐算法,B表示基于贝叶斯（Bayesian）的婚恋推荐算法。本文用NDCG（Normalized Discounted Cumulative Gain）来评估推荐算法好坏,实验结果表明,SPWB算法的推荐能力相对单个算法的NDCG值平均提高了5.9%,其中相对基于流行度、威尔逊区间和贝叶斯的婚恋算法的NDCG值分别提高了6.3%、5.7%和5.8%。2.提出一种婚恋推荐系统中用户冷启动问题的解决方案。由于本文的SPWB算法是根据系统中用户的交互行为来分析用户择偶喜好,进而为用户推荐候选人。但是新用户没有交互行为,系统仍然需要为新用户推荐个性化的候选人。因此,本文提出KD-KNN-LR（Combination of KD-KNN and Logistic Regression）算法为新注册的用户推荐候选人,利用用户注册信息进行双向匹配,解决系统中用户冷启动问题。实验结果表明,根据测试用户的择偶标准,KD-KNN-LR算法的准确率为86%。3.将SPWB算法和KD-KNN-LR算法组合起来应用在婚恋系统中,并使用个人择偶条件进行过滤,为用户推荐个性化的候选人。系统可利用KD-KNNLR算法为新注册的用户推荐候选人。当用户与系统发生交互后,系统记录登录用户与候选人的交互记录,并把最受登录用户欢迎的候选人的重要信息抽取出来,形成用户个人热点择偶标准。然后用双方热点择偶标准去过滤由SPWB算法为其生成的候选人排序列表,最终得到满足双方择偶标准的个性化推荐列表。婚恋系统的推荐结果表明,推荐列表中越靠前的候选人越能满足登录用户的择偶偏好,能够达到智能化推荐候选人的目的。