1、互聯(lián)網(wǎng)技術(shù)的普及，促使電子商務(wù)被越來越多的用戶所接受。推薦系統(tǒng)可以與用戶進(jìn)行交互，模擬商店銷售人員幫助用戶完成購(gòu)買過程，并能根據(jù)用戶的興趣對(duì)用戶進(jìn)行個(gè)性化的推薦，對(duì)提升電子商務(wù)網(wǎng)站的用戶滿意度、增加網(wǎng)站的銷售量有重要影響。近年來推薦系統(tǒng)在理論研究和實(shí)踐應(yīng)用方面都取得了很大的進(jìn)展，在電子商務(wù)中的應(yīng)用有著廣闊的發(fā)展前景，引起了越來越多的企業(yè)和學(xué)者的關(guān)注。
　　 推薦系統(tǒng)的好壞取決于系統(tǒng)所使用的推薦算法，目前主要的推薦算法有：協(xié)同過濾

2、、基于內(nèi)容、基于人口統(tǒng)計(jì)、基于知識(shí)和上述算法的混合推薦算法。其中協(xié)同過濾對(duì)推薦對(duì)象沒有特殊要求，可以廣泛地應(yīng)用于音樂、電影和在線學(xué)習(xí)等各個(gè)領(lǐng)域，在數(shù)據(jù)密度達(dá)到一定程度時(shí)表現(xiàn)出非常好的推薦質(zhì)量，因此在推薦系統(tǒng)領(lǐng)域取得了最大的成功，成為學(xué)者研究推薦算法的熱點(diǎn)。
　　 論文對(duì)傳統(tǒng)的基于用戶和基于項(xiàng)目的協(xié)同過濾算法進(jìn)行了深入研究，發(fā)現(xiàn)傳統(tǒng)的協(xié)同過濾推薦算法對(duì)用戶偏愛度問題、用戶興趣度問題和用戶信任度問題沒有給出合理的解決方案，因此在面對(duì)

3、商品數(shù)量龐大并且用戶評(píng)分可信度不高的情況下，不能給出準(zhǔn)確和高效的推薦?，F(xiàn)有的對(duì)協(xié)同過濾的改進(jìn)算法可以在一定程度上解決上述問題，但都存在一定的局限性。基于以上分析，論文提出了分類相似度、用戶興趣度和用戶可信度三個(gè)概念，并為這三個(gè)概念找到了一個(gè)較好的結(jié)合點(diǎn)，改進(jìn)了推薦流程，很好地解決了上述幾個(gè)問題。改進(jìn)后的算法首先根據(jù)分類相似度和用戶興趣度確定向用戶進(jìn)行推薦的類別，縮小預(yù)測(cè)評(píng)分的項(xiàng)目空間；在計(jì)算鄰居用戶時(shí)，綜合考慮目標(biāo)用戶和鄰居用戶評(píng)分的相

4、似度以及鄰居用戶在領(lǐng)域內(nèi)的可信度，因此算法搜索到的鄰居用戶既與目標(biāo)用戶的興趣比較相似又比較可信。
　　 論文設(shè)計(jì)了三部分實(shí)驗(yàn)，除采用傳統(tǒng)的平均絕對(duì)偏差(MAE)和平均推薦產(chǎn)生耗時(shí)(MCT)兩個(gè)評(píng)估指標(biāo)進(jìn)行評(píng)價(jià)之外，論文還提出了一個(gè)新穎度指標(biāo)(NOV)對(duì)推薦效果進(jìn)行考查。經(jīng)過一系列對(duì)比實(shí)驗(yàn)證明：改進(jìn)后的算法能夠明顯地提高推薦的準(zhǔn)確度。另外，由于本文算法采用了離線和在線結(jié)合的方式產(chǎn)生推薦，并且縮小了預(yù)測(cè)評(píng)分的項(xiàng)目空間，因而推薦效率也