【摘要】协同过滤作为国内外学者普遍关注的推荐算法之一，受评分失真、数据稀疏等问题影响，算法推荐效果不尽如人意。为解决上述问题，文章提出了一种改进的聚类协同过滤推荐算法。首先，该算法利用无监督情感挖掘技术将评论情感映射为一个固定区间中的值，通过加权修正用户评分偏差；然后，构建修正后用户-产品评分矩阵的数据场，利用启发式寻优算法计算最佳聚类数和最优初始聚类中心，进而对用户进行划分聚类，结合最近邻用户相似性与评分产生推荐结果；最后，基于三个自建真实数据集对所提算法性能和有效性进行全面评估。实验结果表明，改进算法在精度Precision、召回率Recall和F1-Score评价指标上的表现均优于其他算法，能够有效应对数据稀疏的问题，提升推荐系统的推荐效果。