张华伟

摘 要 用户评分数据极端稀疏的情况之下进行了分析，根据现有的项目进行评分预测的协同过滤推荐算法中，项目与项目之间的相似度量不够准确以及新的项目冷启动问题，从而给出一种优化的基于项目评分预测的协同过滤推荐算法，这种算法是在计算项目与项目之间的相似性的时候，不但考虑项目的评分相似度，还会考虑到项目的特性之间的相似性。通过实验表明，利用优化后的算法会计算出项目与项目之间的相似度更加精准，并且有效地可以解决新项目的推荐问题，这样让数据稀疏性对推荐的结果产生的负面影响相对较小，还可以提高系统的推荐质量问题。

关键词 算法 推荐系统 协同过滤 评分相似性

1协同过滤推荐算法技术的阐述

目前最为成功的个性化推荐技术就是协同过滤推荐技术，在协同过滤推荐技术当中，用户可以利用相互协作的作用来选择有用的信息，就是可以根据其他用户对信息作出评价来选择想要的信息。协同过滤推荐技术方法会向用户的行为进行合理分析，但并不会关心信息的实际内容，系统会自动的收集用户对信息评价具有相同兴趣爱好的用户，然后把具有相同兴趣爱好的用户对于信息评价从而产生出推荐结果。

协同过滤推荐技术是有两种方式的，一种是基于用户的协同过滤推荐，另一种是基于项目的协同过滤推荐。前面一种是根据评分相似的具有相同兴趣爱好的用户的信息评分来对目标用户产生推荐结果。……