摘要：协同过滤是一种应用广泛的推荐算法，但存在着效率低和数据稀疏等问题。为解决这些问题，提出了一种改进的聚类推荐算法。该算法引用云模型，先从项目属性和用户属性两方面计算云模型期望、熵和超熵，并考虑到评分时间、评分高低和评分习惯等因素的影响，建立用户兴趣模型；接着，采用基于云模型的修正相似度量方法进行用户兴趣相似度比较，并使用K-means算法进行聚类；最后，利用参与预测人数的比例对公共项目进行推荐结果合并。在MovieLens上的实验结果表明，该算法不仅可以解决效率低和数据稀疏等问题，还提高了推荐的准确性。

关键词：协同过滤 云模型 聚类 数据稀疏 

单位：广东工业大学计算机学院 广东广州510006