推荐技术在商品推荐、视频推荐、音乐推荐和新闻阅读推荐等领域得到了广泛的应用并取得了很好的推荐效果,但对推荐技术的研究和应用并未广泛的延伸到其他领域。本文以企业实施工程师出差维修设备任务为研究模型,使用基于内容的推荐和协同过滤混合推荐技术分析完成出差任务的合适人选。本文介绍了推荐技术的研究背景、研究现状和常用推荐算法,分析了现有各种推荐算法的优缺点。对协同过滤推荐算法、基于内容的推荐算法和混合推荐算法进行研究和分析后,提出使用属性相似度和评分相似度线性融合以及基于用户评分预测的方法。该方法保留了协同过滤推荐算法的新异推荐和多样化的特点,缓解了数据稀疏和冷启动的问题。对传统协同过滤推荐算法中评分矩阵数据稀疏问题,利用项目属性较稳定且具有不受评分矩阵数据稀疏影响的特性,提出对评分相似度和项目属性相似度加权融合的方法。对基于内容的推荐内容抽取规则难以制定、属性特征提取困难。通过实验抽取一些具有代表设备、员工、客户行为和特征的属性进行建立权重模型,根据每种项目的权重模型使用基于内容推荐算法计算项目之间属性相似度。针对协同过滤推荐算法存在的冷启动问题,提出采用基于用户的评分预测的方法来填充稀疏的评分矩阵,对不同年龄段客户的行为特征进行提取和定义,融合属性相似度通过计算得到目标用户的近邻用户,选取一定比例的近邻用户对评分矩阵进行预测和填充。基于本文提出的协同过滤和基于内容推荐算法的混合推荐算法模型设计了一个完整的推荐系统,推荐系统包括基础信息管理模块、离线计算模块和推荐模块等,收集用户数据并分析用户为喜好,完成出差工程师的个性化推荐。