1、隨著互聯(lián)網(wǎng)的普及，人們在海量的各類信息資源中很難找到自己需要的信息，往往會陷入信息過載的困境。在這樣一個大背景下，個性化推薦系統(tǒng)應(yīng)運(yùn)而生。個性化推薦系統(tǒng)可以根據(jù)已有的用戶信息，向目標(biāo)用戶推薦其可能感興趣的信息，可以幫助用戶更方便、更快速地找到所需的信息。而協(xié)同過濾技術(shù)是個性化推薦系統(tǒng)中使用最廣泛和應(yīng)用最成功的技術(shù)之一，對它進(jìn)行研究在理論和應(yīng)用上都有非常重要的意義。
　　 本文首先對個性化推薦系統(tǒng)的基本知識以及主流推薦技術(shù)進(jìn)行研究

2、，然后分析了協(xié)同過濾推薦技術(shù)中應(yīng)用最廣泛的基于用戶和基于項目的協(xié)同過濾算法，接著引出這兩種協(xié)同過濾推薦算法的瓶頸問題：數(shù)據(jù)稀疏性、冷啟動、擴(kuò)展性問題，并總結(jié)了幾種解決方法。本文分別從兩個方面針對基于用戶協(xié)同過濾算法進(jìn)行改進(jìn)，針對數(shù)據(jù)稀疏性的瓶頸問題提出了改進(jìn)算法ICF-AD：其一是通過關(guān)聯(lián)分析對用戶－項目評分矩陣進(jìn)行項目之間關(guān)聯(lián)關(guān)系的挖掘，并利用關(guān)聯(lián)關(guān)聯(lián)對用戶未評分項目進(jìn)行預(yù)測評分，以實現(xiàn)對用戶－項目評分矩陣補(bǔ)值的目的，降低數(shù)據(jù)稀疏性；