● 摘要
当今世界，随着互联网技术的普及，和信息大爆炸时代的到来，信息量与日俱增。而且，每天世界上都有数以亿计的新信息产生。那么如何帮助用户在大量的信息空间中快速、准确的找到其感兴趣的信息已经成为网络信息时代面临的一个主要问题，在此背景之下，个性化服务技术应运而生，得到了越来越多的研究者的关注，并在电子商务等领域进行了大量实践和应用，成为这些领域发展过程中的一个重要组成部分。随着个性化系统规模的不断扩大，个性化服务技术面临的主要问题有推荐可扩展性差、数据的稀疏度高时表现的推荐质量低等等，论文针对对个性化推荐领域存在的问题通过本体库来增强资源的可扩展性、采用改进相似度的计算方法提高个性化的推荐质量。 通过分析传统的相似度计算方法存在的问题，论文引入了一种新的相似度计算方法。该算法在相似度计算的准确性、覆盖率方面都要优于传统的相似度计算方法，尤其是在数据稀疏度高的情况下，这种优越性表现更加明显。 基于本体的元数据个性化推荐服务作为个性化信息服务的一种方式，已经成为各个领域研究和应用的焦点，对元数据的分类归纳可以使复杂的聚类过程简单化从而减少时间，充分提高算法的效率。基于本体的元数据个性化推荐相关理论进行了大量的实验和验证更能体现出其优越性，从而具有广泛的应用价值。