摘要:信息时代,互联网上的信息量巨大,数据信息给我们的生活带来许多便利的同时,也带来了信息超载问题。协同过滤算法应运而生,作为成功的个性化推荐技术,得到了广泛的应用。它分析用户的行为,通过收集与用户兴趣一致的其他用户的评价信息来产生推荐。然而,传统的推荐算法存在数据稀疏时相似度计算不准确,以及冷启动、可扩展性问题,影响了推荐系统的应用和推广。本文研究了协同过滤推荐技术的基本原理及实现步骤,提出了一种改进的相似度度量方法,可以在不进行复杂计算的情况下,通过提高数据的使用率来很好地提高推荐的准确性。