協(xié)同過濾算法是目前被廣泛運用在推薦系統(tǒng)領(lǐng)域的最成功技術(shù)之一，但是面對用戶數(shù)量的快速增長及相應(yīng)的評分數(shù)據(jù)的缺失，推薦系統(tǒng)中的數(shù)據(jù)稀疏性問題也越來越明顯，嚴重地影響著推薦的質(zhì)量和效率。針對傳統(tǒng)協(xié)同過濾算法中的稀疏性問題，采用了基于灰色關(guān)聯(lián)度的方法對用戶評分矩陣進行數(shù)據(jù)標準化處理，得到用戶關(guān)聯(lián)度并形成關(guān)聯(lián)度矩陣；然后對關(guān)聯(lián)矩陣中的用戶進行關(guān)聯(lián)度聚類，以減少相似性算法的復(fù)雜度；之后利用標簽重疊因子對傳統(tǒng)計算用戶相似性的協(xié)同過濾算法進行改進，將重疊因子與用戶評分以非線性形式進行組合；最后通過實例改進后的算法在推薦精確度上有著較大的提高。
?