1、隨著Internet和信息技術(shù)的飛速發(fā)展，個性化推薦作為一種嶄新的智能信息服務(wù)方式，根據(jù)用戶提出的明確要求，或通過對用戶個性、習(xí)慣、偏好的分析，準(zhǔn)確地向用戶提供感興趣的信息和服務(wù)，從而有效地解決了“信息過載”和“信息迷失”帶來的種種問題，成為許多學(xué)者關(guān)注和研究的熱點。 個性化推薦的具體實現(xiàn)方法有很多，其中協(xié)同過濾推薦算法是目前運用的最為廣泛也是比較有效的一種，主要包括user-based和Item-based推薦算法。然而，隨著

2、系統(tǒng)規(guī)模的不斷擴大，用戶評分?jǐn)?shù)據(jù)極端稀疏等問題使其推薦質(zhì)量嚴(yán)重下降。因此，必須對傳統(tǒng)的協(xié)同過濾推薦算法加以改進。 本文所做的主要工作和創(chuàng)新點如下： (1)對個性化推薦系統(tǒng)進行了深入研究，包括個性化推薦系統(tǒng)的應(yīng)用現(xiàn)狀、輸入與輸出、主要分類和推薦系統(tǒng)實現(xiàn)的具體方法，如：基于規(guī)則、基于內(nèi)容、知識工程、數(shù)據(jù)挖掘和協(xié)同過濾方法。 (2)對協(xié)同過濾推薦算法進行研究分析，包括基于用戶的協(xié)同過濾推薦算法和基于項目的協(xié)同過濾推薦算

3、法。并且指出傳統(tǒng)協(xié)同過濾推薦算法所存在的不足，主要包括：用戶評分?jǐn)?shù)據(jù)的稀疏性問題；推薦算法的實時性問題；推薦系統(tǒng)對于新用戶的“冷開始”問題。 (3)提出了一種協(xié)同過濾推薦算法的改進方法，將User-based和Item-based協(xié)同過濾推薦算法的思想相結(jié)合，通過形成項目相似集，由用戶對相似項目的評分來智能地預(yù)測用戶對未評分項的評分，填充用戶評分矩陣，有效解決了用戶評分?jǐn)?shù)據(jù)稀疏情況下傳統(tǒng)相似性度算法所存在的不足。另外，在形成用戶