1、伴隨著互聯(lián)網(wǎng)技術(shù)與電子商務(wù)應(yīng)用的發(fā)展，個性化推薦系統(tǒng)逐漸成為電子商務(wù)關(guān)鍵技術(shù)中的一個重要研究內(nèi)容，并得到了越來越多的研究者的關(guān)注。其中，協(xié)同過濾推薦技術(shù)是目前應(yīng)用最廣泛也最成功的個性化推薦技術(shù)，它也因此成為個性化推薦領(lǐng)域研究的重點。本文主要針對協(xié)同過濾推薦技術(shù)展開研究。
　　 在協(xié)同過濾推薦技術(shù)方面，本文分析了目前傳統(tǒng)技術(shù)所存在的問題，隨著電子商務(wù)系統(tǒng)用戶數(shù)目和商品數(shù)目的日益增加，以基于用戶為代表的協(xié)同過濾技術(shù)在實時性推薦問題上

2、將遭遇到難以逾越的瓶頸，因為此算法對于用戶在線計算的時間消耗會隨著用戶數(shù)量和商品數(shù)量的急劇增加而大大提高，盡管也有學(xué)者提出通過聚類，降維等方法提高實時響應(yīng)性，但是仍然沒有完全解決時間瓶頸，并且還以犧牲了推薦精度為代價。因此，另外發(fā)展基于項目的協(xié)同過濾推薦成為必然，基于項目的協(xié)同過濾計算項目之間的相似性而不是用戶的，項目之間的相似性又是可以離線計算的，因此可以從根本上解決實時性問題。然而，由于整個項目空間上用戶的評分?jǐn)?shù)據(jù)極端稀疏，基于項目

3、的相似度計算公式又要求有大量這樣的用戶存在，即該用戶同時對參與比較的兩個項目都有評分，顯然，用戶-項目評分矩陣的稀疏性將很大程度地造成用戶評分對推薦精度的影響而出現(xiàn)較大誤差；另外，傳統(tǒng)的基于項目的相似性度量方法沒有考慮項目自身的特征屬性對項目相似性的影響，因而不僅推薦結(jié)果不夠準(zhǔn)確而且還對新項目問題無能為力。于是，針對這些已有的協(xié)同過濾推薦技術(shù)中所存在的問題，提出了一種新的計算項目之間相似性的方法，該方法將項目之間的相似性計算分做兩個方面

4、。
　　 第1個方面是對基于用戶評分?jǐn)?shù)據(jù)的傳統(tǒng)的皮爾森算法進行加權(quán)修正，得到基于用戶評分的新的主觀相似度計算公式；
　　 第2個方面是對項目自身的屬性進行分類計算，通過幾個影響程度最大的項目屬性的組合，得到基于項目本身的客觀相似度計算公式，最后對兩部分相似度進行加權(quán)整合得到新的項目相似度計算公式。以期望在提高項目相似性計算結(jié)果準(zhǔn)確率的同時，也能夠在一定程度上解決新項目這樣的冷啟動問題。
　　 最后通過實驗驗證了本