综合用户属性和相似度的协同过滤推荐算法

协同过滤推荐算法是电子商务系统的关键技术,为了解决当前协同过滤推荐算法中存在的错误大、速度慢等缺陷,以获得更优的协同过滤推荐效果,设计了综合用户属性和相似度的协同过滤推荐算法。首先分析当前电子商务系统中的协同过滤推荐算法研究现状,找到各种协同过滤推荐算法的局限性,然后综合考虑用户个性化特征建立用户属性评价矩阵,并根据评价矩阵计算了用户之间的相似度,根据相似度实现商品推荐,最后采用Java编程实现协同过滤推荐程序,并采用具体数据进行了协同过滤推荐仿真测试。这个算法减少了协同过滤推荐时间,协同过滤推荐速度得到了明显加快,降低了协同过滤推荐误差,协同过滤推荐精度要远高于当其它协同过滤推荐算法,具有很好的实际应用价值。