协同过滤算法是近年来运用最为普遍的推荐算法,但具有数据稀疏、冷启动的缺点.为解决上述问题,特提出综合奇异值分解(SVD)和分类模型(CM)的协同过滤推荐(CFR)算法(SCC).首先分别建立基于机器学习的分类模型和基于SVD的协同过滤模型.前者用于获取推荐标签,而后者用于获取拟推荐物品.其次用推荐标签筛选拟推荐物品,并用Top-N的方法得到推荐物品表,实现分类模型与SVD协同过滤模型的融合.邀请多名志愿者体验不同推荐算法系统进行实验对比.实验结果表明,融合算法的准确性最高达61.92%,而满意度相对SVD算法(相对提高20.007%)与分类模型算法(相对提高5.42%)有不同程度的改善,但在数据较少情况下满意...