赖国传 刘广聪

（广东工业大学计算机学院 广东省广州市 510006）

随着互联网的快速发展，尤其是5G 的逐渐普及，互联网上的资源呈现爆炸式的增长，造成了“信息过载”的问题，即用户难以从海量的信息中寻找到所需、有用的信息。推荐系统应运而生。

推荐系统是帮助用户有效地发掘有关信息的一种工具，它不需要用户提供清晰的需求，而是通过对用户历史行为进行分析，以满足用户需要和兴趣。一方面，推荐系统能帮助用户在大量的互联网信息中寻找自己所感兴趣、有用的信息，另一方面，也能帮助信息提供商，使信息提供者的信息更多地受到用户关注，从而实现了用户与服务商双赢的目标。

协同过滤推荐算法以其优异的性能迅速发展。协同过滤推荐只关注用户或项目之间的关系，而不需要关注用户或项目本身的内容，因此具有很强的适应性，可以产生新的、不同的推荐和个性化推荐。然而，由于其广泛的应用，其系统暴露出冷启动、稀疏性和低可扩展性等缺陷。当用户和项目数量迅速增加时，用户项目矩阵会非常稀疏，这会降低计算的准确性，增加系统的计算时间，导致系统无法实时推荐，影响推荐效率。

1 相关工作

1.1 基于用户的协同过滤推荐算法

基于用户的协同过滤推荐算法的基本思想是通过用户评分数据，找到目标用户的相似用户，根据相似用户的已有行为的项目进行推荐。这种推荐的本质是为目标用户推荐与他相似用户喜欢的项目。……