1、隨著網(wǎng)絡(luò)的普及和信息技術(shù)的日新月異，電子商務(wù)這種新興的商務(wù)活動(dòng)方式被越來越多的企業(yè)和個(gè)人接受。為了滿足用戶的各種需求，電子商務(wù)系統(tǒng)的商品信息量迅速膨脹。用戶經(jīng)常會(huì)迷失在大量的商品信息空間中，無法順利找到自己需要的商品。電子商務(wù)推薦系統(tǒng)就是在這樣的情況下應(yīng)運(yùn)而生。推薦系統(tǒng)在電子商務(wù)平臺(tái)上扮演銷售人員的角色，向用戶推薦商品，幫助用戶找到所需商品，從而順利完成購(gòu)買過程。電子商務(wù)推薦系統(tǒng)在應(yīng)用中具有良好的發(fā)展和應(yīng)用前景，逐漸成為一個(gè)重要研究?jī)?nèi)容

2、，得到了越來越多的關(guān)注。 協(xié)同過濾技術(shù)是目前推薦系統(tǒng)中應(yīng)用最早和最為成功的技術(shù)之一，它的基本思想是：用戶是可以按照興趣分類的，具有相似興趣的用戶會(huì)購(gòu)買相同的商品。盡管協(xié)同過濾技術(shù)在電子商務(wù)推薦系統(tǒng)中的應(yīng)用獲得了較大的成功，但是隨著商務(wù)網(wǎng)站結(jié)構(gòu)的復(fù)雜化，商品信息量和用戶量的與日俱增，協(xié)同過濾推薦系統(tǒng)的發(fā)展面臨著兩個(gè)主要挑戰(zhàn)：1)提高協(xié)同過濾算法的可擴(kuò)展性，協(xié)同過濾算法能夠?yàn)閹浊脩籼峁┹^好的推薦，但是，當(dāng)信息量膨脹到一定程度，算

3、法的性能就開始急劇下降了。2)降低推薦系統(tǒng)數(shù)據(jù)集的稀疏性，協(xié)同過濾是基于其他用戶的信息來產(chǎn)生推薦的，大多數(shù)用戶感興趣的商品信息不超過總量的1﹪，使得推薦系統(tǒng)不能準(zhǔn)確地找到相似用戶和識(shí)別推薦項(xiàng)目，導(dǎo)致了貧窮的推薦。 針對(duì)這些問題本文提出一個(gè)改進(jìn)的協(xié)同過濾方法——基于協(xié)同過濾和聚類的組合推薦算法。在這個(gè)方法中，首先使用聚類算法對(duì)所有的項(xiàng)(商品)進(jìn)行分類，得到k個(gè)相似項(xiàng)集合。對(duì)用戶的推薦計(jì)算就限定在他感興趣的相似項(xiàng)集合里，有效地解決了

4、算法的可擴(kuò)展性問題，又符合多數(shù)用戶只對(duì)某幾類商品感興趣的特征。接著，使用協(xié)同過濾技術(shù)產(chǎn)生推薦。在協(xié)同過濾模塊我們又分兩步進(jìn)行：第一步，使用基于項(xiàng)目的協(xié)同過濾算法，根據(jù)鄰居項(xiàng)計(jì)算預(yù)測(cè)評(píng)分，并把值較高的一些評(píng)分填充到用戶一項(xiàng)矩陣內(nèi)，得到一個(gè)新的比較稠密的矩陣，緩解稀疏性問題；第二步，選擇用戶感興趣的相似項(xiàng)集合，在每個(gè)集合內(nèi)，使用基于用戶的協(xié)調(diào)過濾算法預(yù)測(cè)用戶興趣，產(chǎn)生推薦，最后綜合這些推薦。這樣既能免除鄰居的多個(gè)興趣的干擾，又兼顧了目標(biāo)用戶