針對(duì)多項(xiàng)式有限混合模型參數(shù)估計(jì)過(guò)程中存在的初始化依賴(lài)、參數(shù)易收斂到邊界值以及容易陷入局部最優(yōu)等問(wèn)題，引入了最小信息長(zhǎng)度準(zhǔn)則，優(yōu)化多項(xiàng)式有限混合模型的參數(shù)估計(jì)過(guò)程。在此基礎(chǔ)上，采用基于多項(xiàng)式有限混合模型的聚類(lèi)算法對(duì)用戶評(píng)分行為進(jìn)行聚類(lèi)，利用模型求解得到的聚類(lèi)歸屬概率對(duì)Slope One算法實(shí)施改進(jìn)。實(shí)驗(yàn)結(jié)果表明：應(yīng)用最小信息長(zhǎng)度準(zhǔn)則對(duì)多項(xiàng)式有限混合模型進(jìn)行優(yōu)化后，聚類(lèi)效果明顯提高；同時(shí)，相比于基于用戶聚類(lèi)的Slope One推薦算法，改進(jìn)算法具有明顯的改進(jìn)效果。