协同过滤推荐算法由于不受特定领域知识限制、简单易实现等优点，得到了广泛的应用．但是，在实际应用中，该类算法往往面临着数据稀疏性、可扩展性、冷启动等问题．为了解决其中的用户冷启动问题，将用户社交信息和评分信息进行融合，提出了一种基于社区专家信息的协同过滤推荐算法．首先，依据用户的社交关系将用户划分为不同的社区；其次，根据一定的准则确定各个社区的专家，并利用社交信息和评分信息对专家评分进行填充进而缓解稀疏性