论文部分内容阅读
随着大数据时代的到来，信息过载问题日益凸显，个性化的推荐服务是解决该问题的有效手段之一，因为其简单、高效的特点，越来越受到人们的重视．协同过滤是个性化推荐的常用手段，协同过滤推荐算法通过研究用户的喜好，实现从海量数据资源中为用户推荐其感兴趣的内容，在很多领域中都得到了广泛应用．但是，冷启动和数据稀疏依然是其面临的难题，在某些领域中，出现推荐算法效率偏低，推荐准确度下降问题，导致用户满意度偏低．针对这个问题，本文提出了用户属性相似度概念及移动图书馆中的活跃相似度，并融入了基于内容过滤的算法思想，提出了一种改