摘要：為提高傳統(tǒng)協(xié)同過(guò)濾算法在個(gè)性化推薦系統(tǒng)中的大數(shù)據(jù)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(tái)下首先通過(guò)PCA降維和FCM聚類對(duì)用戶物品評(píng)分矩陣進(jìn)行預(yù)處理,采用皮爾遜相關(guān)系數(shù)計(jì)算用戶間的相似度,通過(guò)得到的聚類簇集合構(gòu)建最近鄰集合,生成基本預(yù)測(cè)評(píng)分。最后實(shí)現(xiàn)算法的并行化處理并得到推薦結(jié)果。實(shí)驗(yàn)結(jié)果表明,與基于PCA降維的協(xié)同過(guò)濾和單機(jī)式傳統(tǒng)協(xié)同過(guò)濾算法相比,該算法提高了推薦的準(zhǔn)確性和實(shí)時(shí)性。