1、信息化時代每個人能夠獲得的信息量非常巨大，這給整個社會技術(shù)進步做出了巨大貢獻的同時也帶了一些不便:怎樣找到對自己有價值的信息呢？之前的解決方法是開發(fā)搜索引擎來搜索信息，但是這種手段對于那些隱藏的、有潛在價值的信息無能為力，為了彌補這一缺陷，智能推薦引擎應(yīng)運而生。
　　隨著數(shù)據(jù)挖掘技術(shù)的不斷發(fā)展，越來越多的互聯(lián)網(wǎng)公司開始向用戶提供推薦物品的應(yīng)用，人們在瀏覽電子商務(wù)網(wǎng)站時，每當(dāng)點開某個商品的鏈接，就會發(fā)現(xiàn)網(wǎng)站同時會在醒目的地方標(biāo)示了“

2、您可能還會感興趣”的若干商品，同樣，在瀏覽像imdb、豆瓣電影等網(wǎng)站時，同樣會看到“您可能還想看”的若干電影，這就是網(wǎng)站的智能推薦功能。
　　如果向用戶推送的物品恰好符合用戶的喜好，引起了用戶的興趣的話，那么用戶很有可能會更快捷地找到想購買的物品或是想看的電影，網(wǎng)站的整個用戶體驗和經(jīng)濟收益就得到了很大提升，此過程中，智能推薦系統(tǒng)起到了很好的“引路”作用。
　　實現(xiàn)這樣的推薦系統(tǒng)的基本思路就是根據(jù)用戶已經(jīng)表現(xiàn)出的興趣、需求等信

3、息，通過程序建立用戶的偏好模型，并由此得出用戶很有可能會感興趣的物品。與非常常見的搜索引擎相比，推薦系統(tǒng)給出了個性化的服務(wù)，減少了用戶自己檢索所需物品的麻煩，具有非常廣闊的研究價值和發(fā)展前景。
　　本文所要實現(xiàn)的是目前應(yīng)用最為廣泛的協(xié)同過濾智能推薦算法，所謂協(xié)同過濾，就如同很多人在買東西、看電影時會征求朋友、家人的意見一樣，即是在整個用戶群體中尋找到與目標(biāo)用戶興趣比較相似的若干用戶，或是在整個商品群體中尋找到比較相似的若干商品，借

4、助它們來給出推薦。
　　本文的推薦系統(tǒng)實現(xiàn)使用Java語言編程，開發(fā)環(huán)境為集成了開源項目Mahout和Maven的Eclipse，在實現(xiàn)協(xié)同過濾推薦系統(tǒng)之后，本文對現(xiàn)有的協(xié)同過濾算法性能進行了評價和比較，在現(xiàn)有算法基礎(chǔ)上結(jié)合基于內(nèi)容的推薦設(shè)計了一種新算法I-ST-CF算法，改善了推薦系統(tǒng)的冷啟動問題和數(shù)據(jù)稀疏性問題，并用實驗驗證新的算法確實可以提升推薦的性能，最后為了適應(yīng)處理超大數(shù)據(jù)集(Large DataSet)級別的數(shù)據(jù)要求，