为了缓解协同过滤(CF)的稀疏性问题,提高推荐系统的准确性,通过分析dianping.com网站的标签信息,提出了一种基于改进CF的餐厅推荐系统(RRS)。 首先,采用均值居中对评分进行预处理,以减少因不同的个人习惯而引起的错误。 其次,根据餐厅的特点和用户评价,提出了一种改进的零填充方法,以减轻用户餐厅矩阵的稀疏性。 然后,在计算用户权重时,考虑用户偏好和用户信任度的相似性,可以提高推荐系统的准确性。 最后,在真实数据集中进行了实验,实验结果表明,所提出的方法比现有方法具有更高的精度。