作為重要的個(gè)性化推薦算法之一，協(xié)同過(guò)濾推薦算法有其獨(dú)特的優(yōu)勢(shì)，但同時(shí)存在數(shù)據(jù)稀疏性、冷啟動(dòng)和擴(kuò)展性問(wèn)題。針對(duì)數(shù)據(jù)稀疏性問(wèn)題，對(duì)項(xiàng)目相似度進(jìn)行改進(jìn)，利用基于項(xiàng)目的協(xié)同過(guò)濾對(duì)原始評(píng)分矩陣進(jìn)行填充，以此降低數(shù)據(jù)稀疏性對(duì)推薦質(zhì)量的影響。針對(duì)冷啟動(dòng)問(wèn)題，采用基于用戶和項(xiàng)目屬性分別進(jìn)行聚類的方法，通過(guò)聚類模型建立新用戶和新項(xiàng)目與現(xiàn)有用戶和現(xiàn)有項(xiàng)目之間的聯(lián)系，根據(jù)對(duì)現(xiàn)有用戶和現(xiàn)有項(xiàng)目的推薦預(yù)測(cè)新用戶和新項(xiàng)目的推薦。針對(duì)擴(kuò)展性問(wèn)題，利用云平臺(tái)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(guò)濾推薦算法面臨的嚴(yán)重?cái)U(kuò)展性問(wèn)題。實(shí)驗(yàn)表明，改進(jìn)后的算法較好地解決了以上問(wèn)題。