摘要：为了解决协同过滤推荐算法中存在的流行偏置问题,提出一种结合用户活跃度的协同过滤推荐算法（UACF）。该算法考虑用户活跃度对推荐结果的影响,通过对用户活跃度进行聚类分析,针对不同聚类结果中的用户进行分类处理,并引入到相似度计算过程中,以提高相似度计算的可靠性。典型数据集上的对比实验表明该算法能够较好的提高推荐准确率。

关键词：用户活跃度 聚类 协同过滤 

单位：东北电力大学信息工程学院; 吉林吉林132012; 国网吉林省电力有限公司吉林供电公司; 吉林吉林132000; 吉林市丰满发电厂; 吉林吉林132108