魏 浩，刘小豫，张 伟

（咸阳师范学院计算机学院，陕西 咸阳 712000）

随着互联网的高速发展，社会进入了一个“信息爆炸”时代。尤其伴随着电子商务的快速成长和网络购物的迅速普及，如何使用户在数量庞大的商品中快速、高效地找到感兴趣的商品，是电子商务网站面临的一个重大挑战。虽然用户能够通过电子商务网站的搜索功能获得商品信息，但要求用户使用关键字确切描述自己的需求，在不能准确描述所想购买商品的情况下，搜索功能无法发挥应有的作用。推荐系统不需要用户主动参与，就能根据用户以往的商品购买记录，推荐满足用户兴趣的商品。推荐系统不但增强了用户购物体验，而且通过发现潜在购买者，有针对性地推荐商品，使销售利润最大化，达到了双赢的效果。

目前，应用最广泛的是基于内容的推荐算法和协同过滤（Collaborative Filtering，CF）算法[1-3]，协同过滤算法使用用户与商品的历史交互数据，并通过分析其他人的兴趣偏好，建立当前用户偏好模型，即体现了“协同”，该算法假设存在一组兴趣偏好相似的用户群。相比较基于内容的推荐算法，协同过滤算法对音频、图像等难以提取特征的非结构化对象有较好的推荐效果[4-5]。

1 基于用户的协调过滤算法

协同过滤推荐算法主要包括基于用户（Userbased CF，UCF）和基于项目（Item-based CF，ICF）两种协同过滤算法[6]。基于用户的协同过滤推荐算法包括以下3个阶段：

1）相似度计算：相似度计算的方法主要有Person相关系数、Jaccard相关系数以及余弦相似度[7]。……