一种融合时间因素的用户偏好和距离加权的聚类方法，通过引入由用户基本客观特征构造的用户—用户属性矩阵来缓解用户冷启动问题，而稀疏性问题的改进主要是通过引入项目特征，由于项目的特征可以从内容的方面来体现用户偏好，从而能够达到减少矩阵的维数；将项目特征引入到用户—项目评分来得到小维数的用户—项目属性总评分矩阵；用TF-IDF算法构建用户—项目属性偏好矩阵时引入项目特征，同时考虑用户兴趣随时间漂移对用户偏好的影响；基于以上的三个矩阵来得到加权后欧氏距离，然后利用K-Means算法进行聚类。本方法是以电影的推荐为例，在MovieLens数据集上进行的实验结果表明，与其他相关的算法相比，该方法具有较好的推荐质量和性能。