針對傳統(tǒng)Slope One算法在相似性計算時未考慮項目屬性信息和時間因素對項目相似性計算的影響，以及推薦在當(dāng)前大數(shù)據(jù)背景下面臨的計算復(fù)雜度高、處理速度慢的問題，提出了一種基于聚類和Spark框架的加權(quán)Slope One算法。首先，將時間權(quán)重加入到傳統(tǒng)的項目評分相似性計算中，并引入項目屬性相似性生成項目綜合相似度；然后，結(jié)合Canopy-K-means聚類算法生成最近鄰居集；最后，利用Spark計算框架對數(shù)據(jù)進(jìn)行分區(qū)迭代計算，實現(xiàn)該算法的并行化。實驗結(jié)果表明，基于Spark框架的改進(jìn)算法與傳統(tǒng)Slope One算法、基于用戶相似性的加權(quán)Slope　One算法相比，評分預(yù)測準(zhǔn)確性更高，較Hadoop平臺下的運(yùn)行效率平均可提高3.5 -5倍，更適合應(yīng)用于大規(guī)模數(shù)據(jù)集的推薦。