基于聚類協(xié)同過濾推薦算法優(yōu)化

　　作為重要的個性化推薦算法之一，協(xié)同過濾推薦算法有其獨特的優(yōu)勢，但同時存在數(shù)據(jù)稀疏性、冷啟動和擴展性問題。針對數(shù)據(jù)稀疏性問題，對項目相似度進行改進，利用基于項目的協(xié)同過濾對原始評分矩陣進行填充，以此降低數(shù)據(jù)稀疏性對推薦質(zhì)量的影響。針對冷啟動問題，采用基于用戶和項目屬性分別進行聚類的方法，通過聚類模型建立新用戶和新項目與現(xiàn)有用戶和現(xiàn)有項目之間的聯(lián)系，根據(jù)對現(xiàn)有用戶和現(xiàn)有項目的推薦預(yù)測新用戶和新項目的推薦。針對擴展性問題，利用云平臺Hadoop的MapReduce框架完成相關(guān)算法的并行化，以此解決傳統(tǒng)協(xié)同過濾推薦算法面臨的嚴重擴展性問題。實驗表明，改進后的算法較好地解決了以上問題。