传统算法基于用户项目评分矩阵来进行推荐,存在冷开始、稀疏性等问题,邻居相似性只鉴于用户共同评价的项目,没有考虑项目本身的属性关系;在整个用户空间搜寻最近邻居,实时性差。针对这些问题,提出基于项目簇偏好的用户聚类算法,首先基于项目属性特征对项目进行聚类,然后再利用用户对项目簇的偏好对用户进行聚类,最后在和目标用户最相似的几个聚类中搜寻邻居用户,从而压缩搜寻空间,提高了搜寻速度。实验表明,该算法通过降低稀疏性、冷开始等问题,增强实时性,提高预测精度。