协同过滤是解决信息过载问题的一种有效技术。针对基于内存的推荐面临着可扩展性问题、基于模型的推荐需要训练大量参数的问题进行了研究，从而提出了基于用户特征的K-means用户聚类算法，然后用分步协同过滤框架融合基于项目和基于用户的协同过滤给每一个聚簇训练一个模型。实验结果表明，提出的算法能极大地提高推荐精度，同时在一定程度上解决了基于模型和基于内存推荐存在的不足。