摘要：协同过滤是到目前为止最成功和应用最广泛的推荐技术，然而，由于用户一项目矩阵极端稀疏导致推荐不精确。针对该问题，提出了三种数据填充方法和两种推荐策略。对评分矩阵中未评分数据的三种数据填充方法是：（1）采用行和列数据的加权平均值填充；（2）采用行和列数据的众数的平均值填充；（3）采用行和列数据的中位数的平均值填充。一种推荐策略是直接用填充数据作为预测评分进行推荐；另一种推荐策略是将填充数据后的评分矩阵作为伪评分矩阵，应用Pearson相关相似性进行协同过滤推荐。采用MovieLens数据集进行的实验结果表明：上述几种推荐策略均可有效地缓解评分数据稀疏性问题，且提高了推荐精确度。

关键词：推荐系统 个性化推荐 协同过滤 数据填充 

单位：湖北工程学院计算机与信息科学学院 湖北孝感432100 武汉光电国家实验室 湖北武汉430074 信息存储系统教育部重点实验室 湖北武汉430074 华中科技大学计算机科学与技术学院 湖北武汉430074