随着中国经济的发展以及人们生活水平的提高,人们对住房的需求与日俱增。每年从学校毕业的大量应届毕业生,更是增加住房压力的主力军。同时,应届毕业生由于刚刚毕业,没有经济基础,面对高昂的房价更是望而却步,更多人选择租房作为解决住房需求的临时方案。目前,国内的租房软件鱼龙混杂,信息量庞大,租房者无法获取想要的信息。随着生活节奏的加快,很多人更倾向于进行简单的交互,这极大的增加了获取用户信息的难度。针对目前房屋租赁行业数据量庞大、用户信息获取难度高的问题,通过对推荐系统和相关算法的研究,本文设计并实现了基于房屋推荐模型融合用户聚类的协同过滤算法的房屋租赁推荐系统。针对国内租房软件平台鱼龙混杂问题,本文通过网络爬虫技术爬取各大房屋租赁平台网站的房屋信息,将其进行整合,来解决用户需要登录多个网站进行房屋数据的获取问题。针对获取用户信息困难的问题,本文提出了基于房屋推荐模型融合用户聚类的协同过滤算法,对不同类型的用户进行不同策略的房屋推荐。对于未进行账户注册的用户,通过对已经完成交易的房屋信息的各个属性进行密度峰值聚类,从而获得最优的房屋数据,以此建立房屋推荐模型。通过将数据库中的所有房屋数据与该房屋推荐模型进行关联度度计算,根据与房屋推荐模型之间的关联度,来进行排列推荐,提高推荐的房屋信息的质量;对完成注册的新用户,对数据库的所有用户信息进行K-Means聚类,根据聚类核心将其分成k个簇类,将各个聚类核心与填写的用户信息进行相似度运算,并把新注册的用户划分到与聚类核心相似度最高的簇类之中,从而将簇中与该用户相似度最高的几个用户推荐的房屋信息推荐给该用户;对完成账户注册并进行了房屋信息的浏览和房屋信息的收藏操作的老用户。系统会对该用户收藏的所有房屋信息的各个属性值求取均值,并以此建立房屋推荐模型,通过将数据库中的所有房屋数据与该房屋推荐模型进行关联度计算,将关联度高的房屋信息推荐给用户。最后,从系统的需求分析开始,进行了系统的各个模块设计,根据各个模块的设计对其进行实现,并对各个功能模块进行了测试,测试表明本文设计实现的房屋租赁推荐系统的各项功能与预期效果一致,能够满足用户对房屋信息的需求。