推荐系统在近些年得到了极快速的发展,组推荐系统以多人推荐场景为出发点,在群组推荐的需求下应运而生,在近些年得到了较大的发展。在旅游推荐、电影推荐和餐饮推荐场景下,用户总是自发的聚在一起,共同进行活动,这就需要为一组人进行推荐。区别于其它单人推荐系统,组推荐系统不仅能够向单个用户进行推荐,同时也可以为多用户组成的群组进行推荐。本文的主要研究内容如下:(1)在传统的用户偏好融合方法的基础上,提出一种改进的用户偏好融合方法,它结合了两种基本用户偏好融合方法,并同时包含了推荐融合与模型融合的特点。实验证明了“个人偏好与群组偏好具有相关性”,并将验证结果应用在改进方法中,提高了推荐准确率。(2)提出一种基于分类信息的群组偏好提取算法和群组偏好表示算法。该算法针对组内用户共同评分项目少的问题,通过泛化已有项目,使用户对泛化结果有共同评分,实现降维。从而缓解了组推荐系统中的冷启动和群组评分稀疏性问题。(3)提出一种基于分类信息的混合组推荐预测评分算法,该算法针对基于分类信息群组偏好,以项目和分类信息为基础,对项目和其分类进行预测评分。该算法由两部分组成,一是基于分类信息的内容推荐算法,二是基于分类信息的矩阵分解协同过滤算法。(4)在创新算法的基础上,结合用户的实际需求,设计实现了基于用户偏好融合的组推荐原型系统,该系统能够对推荐的结果和项目内容进行有效的展示。系统通过动态切换融合方法的方式,在推荐效果差距不大的情况下,选择时间复杂度较低的融合方法,从而降低系统的时间开销。