随着互联网和电子商务的发展,人们可以足不出户在线选择和购买自己喜欢的物品。各大电商为了能够提升服务质量进而达到高营收,相继提出符合自身平台的个性化推荐系统并不断改进发展。目前,众多的推荐算法已经相继被提出。推荐系统通常需要保证在推荐的准确性与推荐多样性和新颖性方面达到较好的平衡,这是当前推荐系统算法研究的一个重要方向。在基于协方差理论基础上,本文将用户选择一个物品作为一个随机事件,则用户与物品之间产生的记录值视作为一个随机变量。其中,用户选择任一物品的概率看作是等概率分布。在概率统计中,协方差理论可以在不知道样本的分布规律的情况下研究样本之间的关系。因此,本文以协方差理论为基础,基于协方差值组成协方差矩阵来量化物品之间的关系,构建基于协方差的推荐模型。本文工作如下:1、构建基于协方差的推荐模型:分析基于协方差理论与实验数据之间的关系,在基于协方差推荐模型的基础上进行改进算法;本文提出的基于协方差的个性化推荐算法能够在实现推荐准确性的同时提升推荐结果的多样性和新颖性。2、设计实验方案:对公开数据集进行预处理、划分数据集、检验推荐模型性能的七个常用指标的实现、设计对照实验组。3、算法性能分析:分析本文提出的方法能够有效平衡准确性、多样性和新颖性的原因。此外,对基于协方差的推荐算法及其改进算法进行综合分析。本文提出的基于协方差的推荐算法及其改进的算法均是无参的。在公开的数据集上与现有的基准推荐算法进行对比实验,实验结果表明:本文所提出的基于协方差算法及其改进算法在满足准确性与多样性和新颖性方面具有良好的性能。综上所述,本文的研究内容为推荐系统研究提供了一种新的方法和思路,具有重要实际的意义。