段立峰

(陕西工业职业技术学院 物流管理学院，咸阳 712000)

0 引言

随着电子商务的发展，人们从网上进行购物频率的越来越高，如何在保证产品质量的条件下，尽可能的满足用户需要，是电子商务系统急需要解决的一个问题。而协同过滤推荐可以对用户的特征进行描述，找到用户通常喜欢的东西，为相应的用户提供针对性服务，因此设计性能优异的协同过滤推荐算法一直是学者关注的焦点[1,2]。

针对电子商务推荐法的问题，多年来，学者们进行了许多广泛的研究，当前已经提出了多种有效推荐算法，它们大致可以划分为3类，分别为内容分析的推荐算法、协同过滤的推荐算法(CF)和混合推荐算法[4]，相对其它类型的推荐算法，其中协同过滤推荐算法的使用最为广泛，成为当前一个重要的研究方向。在实际应用中，推荐算法存在明显的局限性，如：(1) 数据稀疏问题；(2) 冷启动问题。针对这些问题，一些学者提出了许多改进的协同过滤推荐算法，一定程度上改善了推荐精精度，但是仍然存在一缺陷，为此取得了更好的推荐精度一直是追求的目标。

针对当前协同过滤推荐算法存在推荐精度低、冷启动等难题，为了改善协同过滤推荐的效果，设计了用户特征和项目属性相融合的协同过滤推荐算法，该算法根据用户特征和项目属性对评分相似度进行估计，并根据估计根据得到协同推荐的结果，最后选择MovieLens数据集协同过滤推荐算法的性能进行了分析，以验证该算法的有效性和优越性。……