關鍵詞：推薦系統 混合協同過濾 矩陣分解 物品相似度 耦合對象相似度 

摘要：近十年來,協同過濾(CF)推薦系統成功地為用戶提供了個性化的產品和服務。然而,用戶—物品矩陣的稀疏性、推薦精度不高等問題仍然是一個挑戰。針對這些問題,在矩陣分解模型基礎上,提出了耦合用戶和物品輔助信息的矩陣分解混合協同過濾框架;然后,基于此框架又提出了耦合物品屬性信息相似度(COS)的過濾模型。大規模真實數據集上的實驗表明,該模型不但可以有效解決物品相似度度量問題,而且相比傳統方法,尤其是在物品特征非常稀疏的情況下,推薦準確性得到了有效改進。

計算機應用研究雜志要求:

{1}注釋與參考文獻：注釋是對論文中某一特定內容的解釋或補充說明，用帶圈數字注于當頁頁腳；參考文獻是論文中引用的觀點、數據和材料等內容的出處，用帶方括號的數字（如[]）按順序編碼標明，并與文末編碼對應。

{2}引言應簡明扼要介紹本文研究的領域，國內外目前研究的近期結果與趨勢，存在的問題；本文研究的理論依據，歷史背景，研究的設想、思路、要解決的具體問題，創新點（重要）和預期目的及意義。

{3}來稿須為學術論文，內容應在本刊用稿范圍內。來稿應結構完整，包括標題、作者信息、摘要、關鍵詞、正文和參考文獻等部分。

{4}作者介紹主要包括：作者姓名，工作單位（+職務），技術職稱，主要研究方向。

{5}一般三至四級標題為宜，不超過五級。正文字號字體均為五號宋體，行間距為固定值20磅。一級標題應加黑居中。

注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社