何颖，刘英华，邹妍

（赤峰学院数学与计算机科学学院，赤峰024000）

0 引言

推荐系统（Recommendation System）是一种信息过滤系统，根据分析用户的兴趣特点和历史行为数据可以预测用户对物品的评分或偏好，帮助用户决策分析[1]。推荐系统具有以下两个最显著的特性：①主动化。从用户的角度来看，传统搜索引擎解决信息过载是最直接，最有效的方式，但它需要用户有明确的目标，然后输入目标关键词进行搜索相似的内容，但是在实际生活应用中，用户有时不明确自己的需求甚至存在潜在的隐形需求，传统搜索引擎就无法向用户提供准确的服务。而推荐系统可以不必掌握用户的明确需求，而是通过分析用户的历史行为数据，主动为用户推荐用户感兴趣的信息。②个性化。推荐系统适合挖掘长尾数据[2]（Long tail data），将用户感兴趣的信息个性化推送给用户，满足不同用户不同的需求。推荐系统已经开始广泛运用在各个领域，但是对于推荐系统的优化仍然是一个难以解决的问题，目前主流的推荐系统技术是协同过滤推荐[3]（Collaborative Filtering Recommendation）技术或基于内容推荐（Content-based Recommendations)技术。协同过滤推荐技术一般又可细分为基于物品的协同过滤（Item-Based）和基于用户（User-Based）的协同过滤推荐，二者本质上没有区别，一般都是采用最近领[4]（KNN）算法，只是各自侧重点不同，前者侧重于搜索物品相似度，后者侧重于搜索相似用户。内容推荐技术其主要思想是根据用户过去喜欢的物品，为用户推荐和用户过去喜欢的物品相似的物品。……