摘要：推薦系統(tǒng)可以幫助人們在海量的數(shù)據(jù)中發(fā)現(xiàn)所需的有價值的信息。傳統(tǒng)的協(xié)同過濾推薦算法根據(jù)歷史數(shù)據(jù)中用戶對項(xiàng)目的各種行為操作構(gòu)建用戶-項(xiàng)目評分矩陣,進(jìn)而計(jì)算相似度,從而預(yù)測用戶對項(xiàng)目的偏好程度進(jìn)行推薦。但因?yàn)樵u分?jǐn)?shù)據(jù)通常較為稀疏,使得推薦的準(zhǔn)確性不高,從而不能很好地對用戶進(jìn)行推薦。針對這個問題,提出一種結(jié)合場論理論的隨機(jī)游走歌曲推薦算法,融合歌曲評分相似度和歌曲基本信息相似度,降低歌曲間綜合相似度矩陣的稀疏性,并將物理學(xué)中的場論理論和歌曲的重要度結(jié)合,構(gòu)造轉(zhuǎn)移概率矩陣,從而實(shí)現(xiàn)歌曲推薦。實(shí)驗(yàn)表明,該算法較協(xié)同過濾算法的推薦準(zhǔn)確性更佳。