求翻译：在数字图书馆的海量数据环境下，推荐准确度和运行效率是衡量推荐性能的两个重要指标。目前在各种推荐系统中，应用最广泛的推荐算法是协同过滤技术，但是协同过滤存在着冷启动、矩阵稀疏等问题，新商品将因为没有被用户评分或者只有很少的评分而无法被推荐；同时，传统的协同过滤算法的运行效率在数据量非常大时，运行效率常常不高。基于聚类的协同过滤推荐算法从一定程度上可以缓解这些问题。本文提出了一种基于聚类的协同过滤式图书信息推荐算法。它的基本思想是将所有用户根据相似性划分聚类，每一类用户看成是具有相似的兴趣或者类型。在为活动用户提供图书信息推荐时，根据该用户与各个聚类中心的相似度来预测用户对图书的评分，从而推荐其感兴趣的信息。在实现所提算法的基础上，本文是什么意思？

待解决 悬赏分：1 - 离问题结束还有