摘要：傳統(tǒng)的協(xié)同過(guò)濾算法存在三個(gè)問(wèn)題:一是推薦初始階段的冷啟動(dòng)問(wèn)題;二是評(píng)分矩陣的數(shù)據(jù)稀疏問(wèn)題;三是近考慮評(píng)分導(dǎo)致的相似度衡量不準(zhǔn)確問(wèn)題。三個(gè)問(wèn)題導(dǎo)致用戶相似性衡量準(zhǔn)確性降低,最終導(dǎo)致推薦精準(zhǔn)度的下降。本文考慮將網(wǎng)站或應(yīng)用中挖掘到的用戶興趣,融入到協(xié)同過(guò)濾的用戶相似性計(jì)算中。一方面可以解決協(xié)同過(guò)濾中的數(shù)據(jù)稀疏和冷啟動(dòng)的問(wèn)題,另一方面也可以提高預(yù)測(cè)推薦的精準(zhǔn)性。因此,本文提出了融合用戶興趣的協(xié)同過(guò)濾算法CFUI。CFUI改進(jìn)了協(xié)同過(guò)濾算法中用戶相似度的評(píng)估方法,在其中加入用戶間興趣的相似度。本文進(jìn)行了融合參數(shù)μ最優(yōu)取值的實(shí)驗(yàn),隨后通過(guò)實(shí)驗(yàn)證實(shí)了融合用戶興趣的算法CFUI比未融合用戶興趣的兩個(gè)算法(UserCF和ItemCF)能夠取得更小的推薦MAE,即CFUI的推薦效果更精確。