摘要：针对协同过滤算法通过用户评分矩阵生成推荐时会遇到＂冷启动＂、＂数据稀疏性＂问题,以及忽略用户兴趣实时变化及多样性的特点,笔者在传统协同过滤算法的基础上引入聚类算法,对协同过滤算法进行改进,解决了传统算法的＂冷启动＂及＂数据稀疏性＂问题。改进后的算法利用北京信息科技大学图书管理系统中的数据进行实验分析,结果证明新的算法比传统协同过滤算法平均绝对误差小,从而证明改进后的算法具有较高的推荐质量。

关键词：协同过滤 聚类 最近邻居 推荐系统 评价矩阵 

单位：北京信息科技大学教务处 北京100192