摘要：
协同过滤推荐算法是推荐算法当中最经典的推荐算法,然而传统的协同过滤推荐算法在考虑用户之间的相似性时,只考虑对相同物品的访问,忽略了不同用户对相似物品访问而产生的关联关系.与此同时,传统的协同过滤推荐算法复杂度太高,当用户规模大大时,容易产生计算瓶颈,从而降低推荐效果.针对这两个问题,提出了一种基于SimHash的协同过滤推荐算法,在计算用户相似度时考虑用户对相似物品的访问情况,并利用用户之间的汉明距离产生用户的一个相似用户组,在相似用户组中利用协同过滤推荐算法进行推荐,从而提高计算效率,降低计算时间.
关键词：
通讯作者信息：
电子邮件地址：
