随着互联网的出现普及,网络中的信息量极速膨胀,当在面对海量、冗杂的网络信息时,用户无法高效的从中取得对用户自身真实有用的信息,这就意味着我们身处的时代是一个“信息超载(Information Overload)”的时代。针对信息超载问题,推荐系统能从爆炸的增量信息中筛选出符合用户需求的信息,因此被认为是解决问题的主要手段之一。在推荐系统中,个性化推荐不仅能迅速挖掘到用户所需资源,提高信息资源的利用率,因此被普遍认为是电子商务领域至关重要的服务技术。目前较为成功的个性化推荐技术当之无愧是协同过滤(Collaborative Filtering)推荐技术,但协同过滤推荐算法在得到广泛应用的同时,也出现了一些如数据稀疏性、冷启动等缺陷,而这些问题都严重制约了推荐结果的个性化。不仅如此,如今的个性化推荐技术大多都着眼于研究用户偏好,但仅片面的关注用户偏好的变化或用户偏好的某一方面,使得个性化推荐的准确率较低。项目具有多角度性,并以此区分不同类型的项目,因此用户对项目的评价也从多个角度侧面反映了用户的偏好特征。由于基于项目的协同过滤算法多是基于项目的评分相似性进行推荐,鲜有从项目的多个角度分析用户对其的偏好,因此推荐准确度较低。本文提出了基于多属性动态权值调整的协同过滤推荐算法,从项目的多个角度以及用户评分的变化动态的考量用户偏好,并通过变化权值衡量用户对项目的偏好程度,以此改善基于项目的协同过滤进行推荐未兼顾用户偏好从而导致推荐效果较差的问题,提高用户对系统的满意度及推荐的准确度。本文的研究意义如下:(1)理论意义:通过项目属性获取用户偏好的方式为协同过滤推荐系统兼顾用户偏好、实现个性化推荐提供关键依据;引入项目主要属性权值作为理论基础,为研究基于项目评分的协同过滤推荐提供新思路及方向;设定的非固定权值对评分进行动态调整可以更准确的捕捉到用户的实际偏好及变化,以实现更准确的推荐。(2)实际意义:传统的推荐方式不能满足用户的个性化需求,本文的算法着重考量用户偏好的影响以提供更为准确的个性化推荐,帮助电子商务平台提供更为优质的服务;在一定程度上改善了传统的协同过滤推荐系统,使之能够适应电子商务应用需求,对完善网络购物环境具有一定的现实意义。