目前在冷轧带钢表面缺陷处理过程中,由于缺陷信息复杂多变且大都采用人工分析缺陷产生原因的方式,导致相关用户实施整改措施滞后,产品缺陷影响持续扩大。针对这一问题,本文结合当代互联网广泛应用的信息智能推荐方法,对冷轧带钢表面缺陷匹配信息推荐算法进行了研究。根据带钢相关的缺陷信息、用户信息和经验信息的特点,结合内容过滤和协同过滤的优势,采用混合加权的方法,提出一种适用于带钢表面缺陷的混合推荐算法。通过带钢表面缺陷实例数据的分析验证表明,该混合推荐算法对比单一算法具有更高的准确性和用户接受度。本文主要的研究工作如下:(1)对冷轧带钢表面缺陷信息、用户信息和经验信息进行分析和整理,全面总结信息数据的特点,在基于专家经验的基础上建立经验信息映射关系数据表,并根据冷轧带钢表面缺陷信息与用户信息的关联特点,确立打分评价体系。(2)在满足冷轧带钢表面缺陷匹配信息推荐系统对推荐算法的实际需求下,结合基于内容过滤算法和协同过滤算法各自的优点,采用混合加权的方法,设计一种应用于冷轧带钢表面缺陷匹配信息的混合加权推荐算法,其中采用夹角余弦相似度方法作为文本推荐算法,基于贝叶斯网络模型法作为协同过滤推荐的算法。(3)根据冷轧带钢产线实际情况,对其表面缺陷信息进行推荐算法的验证研究。案例中确定混合加权推荐算法的权重系数等值,分别计算得出基于内容推荐算法、基于协同推荐算法和混合加权推荐算法的推荐结果,并从推荐结果、推荐精度、用户接受度等方面对算法进行分析比较。最后设计冷轧带钢表面缺陷匹配信息推荐算法的三个主要软件功能模块:缺陷匹配信息推荐模块、打分数据库模块和文本内容信息库模块,并通过Visual Studio 2013软件开发平台实现冷轧带钢表面缺陷匹配信息推荐算法的功能。