蔡雄峰　艾丽华　丁丁

摘要：协同过滤算法是推荐系统中最古老的算法之一，同时也是当今推荐系统中使用最广泛的一种算法。但是在简单，效率高的同时，协同过滤算法还存在数据稀疏性，冷启动等一些问题.本文针对其数据稀疏性的问题，提出了一种根据兴趣度预测用户未评分项目的方法。最后通过基于Netflix数据集的实验结果表明，该方法能够更好的处理稀疏矩阵，能缓解数据稀疏问题，从而提高了协同过滤算法的准确性。

关键词：协同过滤；推荐系统；数据稀疏；兴趣度；填充矩阵

中图分类号：TP391.1 文献标识码：A DOI：10.3969/j.issn.1003-6970.2015.03.009

本文著录格式：蔡雄峰，艾丽华，丁丁.一种缓解协同过滤算法数据稀疏性的方法[J].软件，2015，36（3）：41-47

0.引言

当今互联网世界中最常见的智能产品可以说是推荐系统了。推荐系统在如今互联网的应用和产品中已被广泛采用，比如大家每天都可能会使用到的相关搜索、微博上的热门推荐、电子商务网站的各种产品推荐、Facebook等社交网站上的好友推荐等等。伴随着互联网信息爆炸式的增长，“信息过载”问题变得越来越严重。人们面对海量的数据，非常困难迅速有效的找到自己感兴趣，自己所真正需要的信息。目前解决这个问题大致有两种方法，第一种是以搜索引擎为代表的信息检索技术，第二种是以推荐系统为代表的信息过滤技术。这些技术都可以从海量数据中帮助用户找到自己想要的信息。

协同过滤是已被提出的推荐算法中应用最多，且最为有效的算法。……