摘要： 针对用户兴趣偏好多变问题，提出一种兴趣特征权重随时间而变化的迭代计算方法。构造了用户兴趣特征与主题类间的二部图关系，并在此基础上提出了一种基于主题的用户兴趣聚类算法(TBC)，改变了聚类对象“非此即彼”的硬划分方式。该算法所形成的基于主题的用户兴趣域结构，不仅充分表达了用户的多域兴趣特征和域间主题的联系，还能适应用户兴趣变化。实验表明，TBC算法比传统的K-Means算法以及属于软划分方式的FCM聚类具有更好的用户兴趣划分效果，并且在个性化推荐服务中表现出更高的推荐质量和效率。