高全力，高 岭，杨建锋，王 海，任 杰，张 洋

(西北大学信息科学与技术学院，西安 710127)

1 概述

随着网络的急剧扩张，网络上的资源呈现几何性的增长，包括音频、视频、新闻等充斥着整个网络。这带来了两方面的困扰，一方面是从用户的角度，从海量的资源中找到自己真正感兴趣的资源越来越困难;另一方面是从网络服务提供商的角度，由于用户留给推荐系统有价值的信息非常少，为不同的用户准确地推荐资源也越来越困难。因此，对于高质量推荐系统的需求也就越来越大。

许多研究人员提出了各种推荐算法的思路及其具体的实施方案，例如基于内容过滤的推荐算法［1］、适应性推荐算法［2］、基于项目的推荐算法［3］等。其中，协同过滤算法是目前最成功的推荐算法之一，在电影、歌曲、图书等领域都有广泛的应用，其中在电子商务推荐系统中的成功应用［4］使其受到广泛关注。尽管协同过滤算法非常成功和受欢迎，但它仍有2 个局限性:数据稀疏性和冷启动问题。数据稀疏性指的是在一个庞大的用户空间里只有很少的用户对项目进行评分，这样也就导致了在计算相似度时，所能依赖的信息较少，降低了相似度计算的可信度［5］。冷启动问题分为用户冷启动问题与项目冷启动问题，指的是对于新加入系统的用户或项目系统很难做出高质量的推荐［6］。为了解决这2 个问题，文献［7］等通过分析基于内容的推荐算法与协同过滤推荐算法的优缺点，提出……