個性化推薦系統(tǒng)中使用最廣泛的算法是協(xié)同過濾算法，針對該算法存在的數(shù)據(jù)稀疏和擴(kuò)展性差問題，提出了一種基于用戶興趣和社交信任的聚類推薦算法。該算法首先基于聚類技術(shù)根據(jù)用戶評分信息將具有相同興趣的用戶聚為一類，并建立基于用戶興趣相近的鄰居集合。為了提高興趣相似度計算的準(zhǔn)確性，采用了修正余弦計算公式來消除評分標(biāo)準(zhǔn)的差異問題。然后，引入信任機(jī)制，通過定義直接信任、間接信任、傳遞路徑和計算方法來度量社交網(wǎng)絡(luò)用戶之間隱含的信任值，將社交網(wǎng)絡(luò)轉(zhuǎn)換為信任網(wǎng)絡(luò)，依據(jù)信任程度來創(chuàng)建基于社交信任的鄰居集合。通過加權(quán)的方式將基于兩種鄰居集合的預(yù)測值融合起來為用戶產(chǎn)生項(xiàng)目的推薦。在Douban數(shù)據(jù)集上進(jìn)行仿真實(shí)驗(yàn)，確定了最優(yōu)的協(xié)調(diào)因子值和分類數(shù)值，并與基于用戶的協(xié)同過濾算法和基于信任的推薦算法進(jìn)行對比，實(shí)驗(yàn)結(jié)果表明，所提算法的平均絕對誤差（MAE）減少了6.7%，準(zhǔn)確率（precision）、覆蓋（recall）和F1值分別增加了25%、40%和37%，有效提高了推薦系統(tǒng)的推薦質(zhì)量。