基于模糊聚類的并行推薦算法

摘要：為提高傳統協同過濾算法在個性化推薦系統中的大數據處理能力,研究了一種基于模糊聚類的并行推薦算法。在Hadoop平臺下首先通過PCA降維和FCM聚類對用戶物品評分矩陣進行預處理,采用皮爾遜相關系數計算用戶間的相似度,通過得到的聚類簇集合構建最近鄰集合,生成基本預測評分。最后實現算法的并行化處理并得到推薦結果。實驗結果表明,與基于PCA降維的協同過濾和單機式傳統協同過濾算法相比,該算法提高了推薦的準確性和實時性。