论文部分内容阅读
随着Web2.0技术的迅速发展产生了大量信息,但是海量的数据使得人们无法在网络上快速发现他感兴趣的信息,而个性化推荐系统能够让用户快速找到其需要或感兴趣的内容。协同过滤算法是应用最成功的个性化推荐算法之一,它利用用户对物品的评分信息,但是对于刚进入系统缺乏足够评分信息的新用户和新物品就造成了协同过滤算法无法提供准确推荐的问题。本文除了使用评分信息,还把大量的社会网络、标签和时间等信息应用于推荐算法中,提出了两个算法。主要包括以下工作:(1)本文提出基于贝叶斯网络的协同过滤推荐算法,该算法是一种基于友