李建军，付 佳+，杨 玉，汪校铃，荣 欣

(1.哈尔滨商业大学 计算机与信息工程学院，黑龙江 哈尔滨 150028； 2.哈尔滨商业大学 黑龙江省电子商务与信息处理重点实验室，黑龙江 哈尔滨 150028)

0 引 言

随着移动电子商务的快速发展与移动终端设备的广泛普及，用户对于获取互联网信息的即时性和个性化需求逐渐提高，用户希望在最短的时间内获取自己最需要的信息。相对于PC端来说，移动终端的体积较小，屏幕就相对较小，用户面对琳琅满目的商品或服务信息不知如何挑选，企业需要在有限的空间内向用户展示用户需要或感兴趣的信息。这种情况就推动了移动推荐领域的发展，针对用户的不同需求和兴趣偏好，为每一位用户推荐符合需求或兴趣点的产品、信息以及服务。现阶段针对推荐系统的研究越来越多，越来越复杂，但是无论何种研究方式，核心目标都是针对用户的需求进行精准化推荐，实施个性化服务，方便用户浏览有效信息。与此同时，企业实施精准推荐，能够提高企业营销效果，实现点对点精准营销，增加用户对企业产品或服务的粘性，留住高质量用户的同时发展新用户。而在移动推荐领域应用最为广泛和久远的算法就是协同过滤推荐算法(collaborative filtering，CF)。随着应用的逐渐增多，协同过滤推荐也暴露出来许多问题，为了避免这些问题影响推荐的准确性，对协同过滤推荐算法进行改进是十分必要的。

本文通过翻阅文献和查找相关资料，为了让推荐的效果更好，在协同过滤推荐算法的基础上做了相关改进，加入了混沌粒子群算法进行聚类优化，后续进行实验的验证，改进的算法推荐的效果更好。……