论文部分内容阅读
推荐系统是电子商务系统中最重要的技术之一。随着电子商务系统用户数目和商品数目日益增加，在整个商品空间上用户评分数据极端稀疏，传统的相似性度量方法均存在各自的弊端，导致推荐系统的推荐质量急剧下降。针对用户评分数据极端稀疏情况下传统相似性度量方法的不足，本文提出了一种基于相似项目与用户评分预测的协同过滤推荐算法，综合利用相似项目和相似用户评分信息预测用户对未评分项目的评分。通过聚类算法形成用户候选近邻集，减小了算法搜索空间，降低了最近邻用户的搜索时间，从而增强了算法的扩展性。实验结果表明，本算法可以有效解决用