1、隨著互聯(lián)網(wǎng)技術(shù)的快速發(fā)展，互聯(lián)網(wǎng)上的資源數(shù)量呈指數(shù)增長(zhǎng)的趨勢(shì)，在這些海量信息中找出自己感興趣的信息越來越難，從而出現(xiàn)了所謂的“信息過載”現(xiàn)象。個(gè)性化推薦被認(rèn)為是解決這個(gè)問題的有效途徑。協(xié)同過濾是個(gè)性化推薦系統(tǒng)中應(yīng)用最廣泛的一種技術(shù)，然而隨著系統(tǒng)規(guī)模的不斷擴(kuò)大，協(xié)同過濾技術(shù)在推薦的精確性和實(shí)時(shí)性上面臨巨大的挑戰(zhàn)。針對(duì)個(gè)性化推薦系統(tǒng)面臨的主要問題，本文對(duì)推薦系統(tǒng)中推薦算法進(jìn)行了有益的探索和研究，主要研究?jī)?nèi)容如下：
　　 (1)針對(duì)個(gè)

2、性化推薦精確性問題，對(duì)基于網(wǎng)絡(luò)的推薦算法進(jìn)行了改進(jìn)，提出了一種基于物質(zhì)擴(kuò)散的協(xié)同過濾推薦算法，結(jié)合復(fù)雜網(wǎng)絡(luò)上的物質(zhì)擴(kuò)散過程，在一個(gè)帶權(quán)的用戶-產(chǎn)品二部圖上計(jì)算用戶相似性，然后根據(jù)與目標(biāo)用戶相似的其他用戶的評(píng)分信息來對(duì)目標(biāo)用戶產(chǎn)生推薦。在兩組標(biāo)準(zhǔn)數(shù)據(jù)集MovieLens和Netflix上的實(shí)驗(yàn)結(jié)果表明，該算法能夠提高個(gè)性化推薦系統(tǒng)的推薦質(zhì)量。
　　 (2)隨著電子商務(wù)系統(tǒng)用戶數(shù)目和產(chǎn)品數(shù)目的日益增加，在整個(gè)用戶空間上尋找目標(biāo)用戶的

3、最近鄰居非常耗時(shí)，導(dǎo)致推薦系統(tǒng)的實(shí)時(shí)性要求難以保證。針對(duì)上述問題，提出了一種基于用戶聚類的協(xié)同過濾推薦算法，將離線聚類與在線推薦相結(jié)合，首先通過用戶評(píng)分的相似性對(duì)用戶進(jìn)行聚類，然后選擇與目標(biāo)用戶相似性最高的若干個(gè)聚類作為查詢空間搜索最近鄰居并產(chǎn)生推薦列表。由于聚類部分可以周期性的在后臺(tái)離線進(jìn)行，可縮短在線的推薦時(shí)間，改善個(gè)性化推薦系統(tǒng)的實(shí)時(shí)性。在兩組標(biāo)準(zhǔn)數(shù)據(jù)集MovieLens和Netflix上的實(shí)驗(yàn)結(jié)果表明該算法在保證推薦精度的前提下