针对传统的协同推荐算法存在数据稀疏和推荐精度低的问题，提出了一种集成社会化标签和用户背景信息的协同过滤(CF)推荐方法。首先，分别计算基于社会化标签和用户背景信息的用户间的相似度；然后，基于用户评分计算用户间的相似度；最后，集成上述3种相似性度量产生用户间综合相似度，并对目标用户进行项目推荐。实验结果表明，与传统的协同过滤推荐算法相比，所提方法在正常数据集和冷启动数据集下的平均绝对误差(MAE)平均降低了16%和22.6%。该方法不仅能有效地提高推荐算法的精度，而且能较好地解决数据稀疏和冷启动的问题。
