1、隨著Web2.0時代的到來,人們漸漸從信息接收者轉(zhuǎn)變?yōu)樾畔?chuàng)造者,信息分享也變得更加容易,人們在享受著互聯(lián)網(wǎng)帶來的便利的同時,也逐漸被信息過載問題所困擾。面對浩瀚的、令人眼花繚亂的信息,人們很難快速有效的找到自己的需求,甚至出現(xiàn)信息迷航問題。因此,推薦系統(tǒng)應(yīng)運而生,用來滿足人們個性化的需求。它首先收集用戶行為信息,分析用戶偏好,向用戶提供推薦。在推薦系統(tǒng)技術(shù)中,協(xié)同過濾技術(shù)由于其簡單有效的特點,被廣泛的使用,并取得了較好的效果。但隨著推

2、薦系統(tǒng)規(guī)模的不斷增長,協(xié)同過濾技術(shù)也面臨著一系列的挑戰(zhàn),尤其是數(shù)據(jù)稀疏性問題和可擴展性問題。論文主要圍繞這兩個挑戰(zhàn)展開研究。
　　1.針對數(shù)據(jù)稀疏性問題,提出了基于混合相似度的用戶協(xié)同過濾算法HSUCF。在計算相似度時考慮共同評分項目數(shù)目所占的權(quán)重,并給出了該權(quán)重因子的定義,實現(xiàn)了對相似度計算的修正,實驗結(jié)果表明本文提出的HSUCF算法能夠提高推薦精確度。
　　2.針對可擴展性問題,提出了優(yōu)化的基于用戶聚類的協(xié)同過濾算法OU