1、隨著互聯(lián)網(wǎng)的高速發(fā)展和電子商務的繁榮，人們在面臨眾多資源的時候，往往要花費很長的時間去尋找自己想要的資源，給現(xiàn)在快節(jié)奏的人們帶來了不便。推薦技術的出現(xiàn)，比較好的解決了這一問題，受到了人們越來越多的關注。推薦系統(tǒng)通過用戶的個人信息，歷史行為等信息主動的向用戶推薦資源，減少了用戶在篩選資源浪費的時間。
　　 作為解決資源過多的有效手段，推薦技術發(fā)展至今已經(jīng)產(chǎn)生了許多種，它們借鑒了很多其他領域的知識，例如數(shù)據(jù)挖掘、神經(jīng)網(wǎng)絡、人工智能等

2、。通常來說，推薦技術主要包括基于關聯(lián)規(guī)則的推薦技術、基于內(nèi)容的推薦技術、基于協(xié)同過濾的推薦技術、基于混合的推薦技術和一些其他的推薦技術。每種推薦技術都有自己的優(yōu)缺點，它們運用于不同的對象會有不同的效果。
　　 基于協(xié)同過濾的推薦技術作為其中的一種，是現(xiàn)今運用最為廣泛和成功的一種技術。它利用評分數(shù)據(jù)尋找用戶或者項目的最近鄰來計算用戶對待預測項目的評分，根據(jù)評分的高低決定是否推薦給用戶，但其存在著數(shù)據(jù)稀疏、冷啟動等缺陷，影響著推薦的

3、質(zhì)量。
　　 本文的主要工作有兩點。第一點，提出利用特征屬性和評分計算項目相似性。第二點，將項目分類和用戶情景引入到基于項目協(xié)同過濾技術中，提出了一種基于項目分類和用戶情景的推薦技術。對于第一點，它綜合了基于內(nèi)容推薦技術中利用項目特征屬性和基于項目協(xié)同過濾推薦技術中利用項目評分數(shù)據(jù)的兩個不同方面。首先利用項目的特征屬性對項目進行分類，然后再在項目類別中尋找目標項目的最近鄰。該方法有別于傳統(tǒng)的基于項目的協(xié)同過濾技術中將尋找目標項目

4、的最近鄰放在所有的項目范圍內(nèi)，而是縮小在項目類別的范圍內(nèi)，充分利用了項目的特征屬性和評分數(shù)據(jù)，提高了目標項目最近鄰的可靠性程度。對于第二點，在項目類別中引入用戶個性化情景因素，建立項目類別和用戶情景因素間的對應關系。在預測目標用戶對目標項目評分的時候，根據(jù)目標項目的特征屬性找到目標項目所屬的項目類別，進而找到目標用戶在該項目類別下對應的用戶個性化情景，通過尋找與目標用戶具有相同情景因素用戶的評分數(shù)據(jù)和目標項目的最近鄰進行預測評分。