论文部分内容阅读
在推荐系统中应用K—means算法聚类可有效降维，然而聚类效果往往依赖于选定的初始中心，并且一旦选定目标簇后，推荐过程只针对目标簇进行，与其他簇无关。针对上述两个问题，提出一种基于满二叉树的二分K—means聚类并行推荐算法。该算法首先反复迭代二分K—means算法，迭代过程中使用簇内凝聚度作为分裂阈值，形成一颗满二叉树；然后通过层次遍历将用户归入到K个叶子节点（簇）；最后针对K个簇，应用MapReduce框架进行并行推荐预测。MovieLens上的实验结果表明，该算法可大幅度提高推荐系统准确性，同时增强