随着互联网及相关信息技术产业的飞速发展,衍生出了许多不同类型的共享经济商业形态,其中比较具有代表性就是房屋共享短租。当前,各大房屋租赁平台在互联网上收集发布房屋短期租赁信息,为用户获取大量房屋短租信息提供了极大的便利。但庞大的数据量给用户选择造成了混乱和困扰,相对落后的条件筛选和简单查询已经满足不了用户的需求,严重阻碍和影响了用户对房源信息的有效获取。因此,开发一款能为用户提供个性化推荐服务的房屋推荐系统,方便用户在海量房屋数据中快速获取适合自身需求的房源信息,变得十分重要。本文针对传统推荐算法中用户兴趣迁移和数据稀疏、冷启动等问题,设计了混合推荐算法,意在数据信息过量的背景下,为用户提供个性化的推荐服务。针对数据稀疏问题,本文使用评分均值与商品受喜爱程度相结合的填充方法来填补缺失值,进而解决数据稀疏带来的影响;针对用户兴趣迁移问题,本文在预测用户评分时使用时间衰减函数加权处理,以便获得更为精确的评分值;对于个性化推荐,本文应用K-means聚类算法和目标优化矩阵,抽取计算用户对房源属性的偏好权重,使用灰色关联分析计算房源之间的关联度;提出一种混合推荐算法,将改进的协同过滤推荐算法与基于内容的推荐算法思想和原理相结合,使用改进的协同过滤推荐算法的输出值Top-N作为灰色关联分析法的参考值,计算出房源与房源之间基于用户兴趣偏好的关联值,最后将关联值求均值取Top-K为用户进行推荐。通过实验验证,本文混合推荐算法与传统推荐算法在相同情况下,推荐准确率和召回率有明显的提高。本文针对房屋短期租赁的整体业务场景,对系统需求进行详细的分析,结合上述提出的混合推荐算法,设计并实现了房屋短期租赁个性化推荐系统。本系统选择以Java作为开发语言,选用VC+SpringMybatis+Spring M技术构建系统后台的开发框架,前端采用Thymeleaf+JS+HTML框架,数据库选用My SQL。经过科学的系统设计研究,系统共分为九大模块,其中包括房源信息查询、用户管理、房源信息推荐、房源信息上传发布、信息公告、房源收藏评分、后台信息公告管理、后台用户管理、后台房源信息管理。经测试,系统整体运行正常,符合预期效果,满足现实应用需求与开发价值需求。