1、隨著信息技術(shù)的迅速發(fā)展以及互聯(lián)網(wǎng)的高度普及，互聯(lián)網(wǎng)已經(jīng)成為人們生活中不可或缺的重要組成部分。作為一種新型的商務(wù)模式，電子商務(wù)正改變著人們的生活習(xí)慣。隨著電子商務(wù)網(wǎng)站規(guī)模的不斷擴(kuò)大，如何在海量信息中幫助用戶快速且準(zhǔn)確地找到感興趣的服務(wù)和物品，已經(jīng)成為當(dāng)今的一個熱門研究方向。在這種背景下，個性化推薦系統(tǒng)應(yīng)運(yùn)而生。
　　個性化推薦系統(tǒng)通過運(yùn)用統(tǒng)計分析和數(shù)據(jù)挖掘等技術(shù)，利用用戶歷史的互聯(lián)網(wǎng)行為記錄挖掘出用戶潛在的興趣特征以及當(dāng)前的需求，最

2、終向用戶推薦其可能感興趣的服務(wù)和物品。
　　基于協(xié)同過濾的推薦技術(shù)是目前個性化推薦領(lǐng)域的研究熱點(diǎn)。該技術(shù)根據(jù)用戶顯式或隱式的評分記錄，選擇合適的相似性度量方法來計算用戶或物品的相似度，選取相似度較高的用戶（或物品）來構(gòu)建用戶（或物品）最近鄰集，最后將最近鄰集中的用戶喜歡的且目標(biāo)用戶沒有購買的物品推薦給目標(biāo)用戶。因此，最近鄰集的構(gòu)建直接關(guān)系到推薦結(jié)果的準(zhǔn)確度。本文經(jīng)過深入研究傳統(tǒng)的協(xié)同過濾推薦技術(shù)存在的問題，提出了兩種改進(jìn)的算法。<

3、br>　　本文的主要工作有以下幾個方面：
　　(1)深入分析傳統(tǒng)相似性度量方法存在的不足，并且對云模型理論進(jìn)行了深入研究，引入了云模型的思想，采用了結(jié)合云模型的相似性度量方法。
　　(2)提出了結(jié)合云模型和項(xiàng)目評分預(yù)測的推薦算法，這種改進(jìn)的算法對解決評分矩陣極端稀疏性問題有較好的效果，并且可以克服傳統(tǒng)的相似性度量方法存在的缺陷，從而導(dǎo)致推薦的準(zhǔn)確度有明顯的提高。通過在公開的數(shù)據(jù)集MovieLens上進(jìn)行對比實(shí)驗(yàn)，驗(yàn)證了改進(jìn)算