针对传统推荐系统中的协同过滤算法的许多不足，如冷启动和数据稀疏等问题，提出了一种基于聚类算法和引入用户特性相结合的改进算法，并将其应用于推荐系统中。首先对用户相似度计算做出改进，其次根据用户特性对用户进行分类，同时通过用户特性对用户聚类操作，提高推荐的准确度，最后将改进协同过滤算法，应用于推荐系统中实现图书推荐，实验结果表明，改进算法在计算不同用户间的相似度和兴趣度方面，有明显的效率提升，并且改善了数据稀疏和冷启动问题，提高了图书推荐效率。
科研之友
微信
新浪微博
Facebook
分享链接
