协作过滤是一种经典的信息检索方法，已广泛用于帮助人们处理信息过载。 在本文中，我们基于基于惊奇的向量相似度以及最大化图距离概念在图论中的应用，介绍了本地用户相似度和全局用户相似度的概念。 基于惊奇的向量相似性表示基于两个用户的等级中包含的信息量（被称为惊奇）之间的关系。 全局用户相似性定义了两个用户可以通过其本地相似的邻居连接而相似的情况。 基于本地用户相似度和全局用户相似度，我们开发了一个称为LS＆GS的协作过滤框架。 使用MovieLens数据集进行的实证研究表明，我们提出的框架优于其他最新