个性化推荐系统可以帮助人们找到感兴趣的内容,这些系统正在全世界内被广泛使用着。混和式的P2P推荐系统通过将共享的项目和计算任务分布到各个用户,从而能够解决基于C/S的推荐系统中存在的一些问题。本文描述了我们最近研究的基于P2P网络的自组织文章推荐系统,它同时也是一个多Agent系统,该系统内将每个Agent作为一个对等点,能够保存文档,并自动向其他的用户共享和推荐这些文档。我们主要研究了如何将推荐系统改造成适合混和式的P2P网络,以及如何能够迎合用户的内子需求。我们提出了多个模型来提高我们系统的推荐性能,并通过仿真实验来评价和分析这些模型。实验结果显示使用推荐阈值代替Top-N阈值以及引入推荐权威度能够带来系统性能上的很大提高。