1、在信息化的今天，大量的信息給人們的生活帶來的極大的便捷，但是也伴隨著信息過載的問題，在海量的信息中人們無法輕易得到所需要的信息，推薦系統(tǒng)也就應運而生。目前，協(xié)同過濾推薦系統(tǒng)可以說是應用最廣泛和最成功的推薦系統(tǒng)。但是傳統(tǒng)的協(xié)同過濾推薦系統(tǒng)在推薦時沒有把項目的多個指標綜合考慮起來進行推薦，且由于大量虛假評分的存在，評分的信任性也是其所沒有考慮的，另外也沒有考慮到人們的興趣愛好是隨著其所處的環(huán)境而變化的。這些問題導致了傳統(tǒng)的協(xié)同過濾推薦系統(tǒng)的

2、推薦質量不能滿足人們的需求。如何提高推薦系統(tǒng)的推薦質量是人們普遍較關心的問題。本文在分析現(xiàn)有的推薦系統(tǒng)的基礎上，對推薦系統(tǒng)作了進一步的研究。
　　首先，由于傳統(tǒng)的協(xié)同過濾推薦系統(tǒng)無法綜合考慮項目的多個指標進行推薦，本文提出了一種基于 Widrow-Hoff神經(jīng)網(wǎng)絡的多指標推薦算法，利用該算法的最小二乘法自適應算法的高度擬合性，并且利用該算法計算出了用戶的偏好函數(shù)，以此來產(chǎn)生推薦，能有效的提高推薦的精度。
　　其次，針對在推薦

3、系統(tǒng)中普遍存在著用戶惡意評分和虛假評分的行為，本文提出一種計算用戶間信任度的算法，且在作出推薦的過程中，綜合考慮了用戶之間的信任度和相似度，從而保證了推薦的準確度。
　　最后，本文考慮到用戶的愛好會隨著所處的環(huán)境不同而發(fā)生變化，在不同的環(huán)境下所作出的推薦結果應該是不一樣的。本文在作出推薦時，把用戶評分的時間劃分為若干個時間段，在每個時間段上作出推薦，且計算每個時間段上的權重，以此來作出最終的推薦。
　　在本文的最后，通過實驗