摘要：針對原始Slope One算法計算推薦預(yù)測值時忽略了項目之間的相似性,以及大數(shù)據(jù)時代下推薦效率低下的問題,提出基于Spark平臺的聚類加權(quán)Slope One推薦算法。通過Canopy-K-medoids聚類算法生成最近鄰居集合;在最近鄰集中用Slope One算法上加權(quán)項目之間的相似性進行推薦預(yù)測;在Spark平臺上實現(xiàn)并行化。通過在電影數(shù)據(jù)集上的實驗得出,基于Spark平臺的優(yōu)化算法與傳統(tǒng)Slope One算法、加權(quán)項目相似度的Slope One算法相比,提高了推薦精度。