摘要：
【目的/意义】针对基于用户的协同过滤算法中用户偏好获取不完善的问题，提出一种基于动态用户画像标
签的KNN分类推荐算法，以解决在目前主流的推荐算法中常忽略用户的潜在偏好以及用户偏好的变化趋势等问
题。【方法/过程】首先基于用户画像理论，通过在线评论，挖掘用户对产品各个属性特征的评价，并定期更新；其次
运用K-means对用户进行聚类分析，将用户聚类结果作为KNN分类算法的样本集；最后根据样本集中的用户偏
好，运用KNN分类算法，将具有不同特征的产品推荐给相应的用户，从而完成个性化推荐。【结果/结论】实验结果
表明，通过与传统的基于用户的协同过滤算法在同一数据集上的对比，该算法在准确率、召回率和综合F值上具有
一定的优势，能够进一步提高推荐系统的质量。