信息化、智能化技術(shù)的快速發(fā)展引發(fā)了數(shù)據(jù)爆發(fā)式增長，大數(shù)據(jù)時(shí)代的到來也伴隨著\"信息過載\"問題的出現(xiàn)。推薦系統(tǒng)是解決信息過載問題的有效方法，作為現(xiàn)階段推薦算法當(dāng)中應(yīng)用為廣泛的個(gè)性化推薦算法之一，協(xié)同過濾推薦算法有著該領(lǐng)域內(nèi)其他推薦算法無法比擬的諸多優(yōu)點(diǎn)。但是在實(shí)際應(yīng)用場景中，協(xié)同過濾推薦算法仍然有較多問題亟須解決。
　　針對協(xié)同過濾推薦算法面對的數(shù)據(jù)稀疏性問題，《推薦系統(tǒng)關(guān)鍵技術(shù)的研究》分別采用數(shù)據(jù)填充方法、融合信任的概率矩陣分解模型、融合用戶評分信息和項(xiàng)目評論特征的深度學(xué)習(xí)模型進(jìn)行分析解決。針對協(xié)同過濾推薦算法面對的冷啟動問題，《推薦系統(tǒng)關(guān)鍵技術(shù)的研究》分別采用K-means聚類算法與基于優(yōu)化的遺傳算法的K-means聚類混合算法進(jìn)行分析解決。針對協(xié)同過濾推薦算法面對的擴(kuò)展性問題，《推薦系統(tǒng)關(guān)鍵技術(shù)的研究》采用基于Hadoop平臺MapReduce分布式計(jì)算、HDFS分布式存儲模型進(jìn)行算法并行化處理。同時(shí)，在真實(shí)的數(shù)據(jù)集上通過實(shí)驗(yàn)驗(yàn)證上述模型與算法的可行性與有效性。
　　《推薦系統(tǒng)關(guān)鍵技術(shù)的研究》共分為6章，包括推薦系統(tǒng)、數(shù)據(jù)填充方法、K-means聚類算法、基于混合算法的推薦系統(tǒng)、基于信任關(guān)系的推薦系統(tǒng)和融合多源數(shù)據(jù)的推薦系統(tǒng)。
　　《推薦系統(tǒng)關(guān)鍵技術(shù)的研究》可作為推薦系統(tǒng)研究方向高年級本科生和研究生的教材，也可供相關(guān)領(lǐng)域的技術(shù)人員和科研工作者閱讀參考。