个性化服务中的并行K-Means聚类算法  

Parallel K-Means Clustering Algorithm in Web Personalized Service

作　　者：张望[1] 王辉[1] 

机构地区：[1]河南科技大学电子信息工程学院,河南洛阳471003

出　　处：《微电子学与计算机》2007年第10期65-67,70,共4页Microelectronics & Computer

基　　金：国家自然科学基金项目(60203018);教育部科学研究重点项目(200202);河南省高校杰出科研人才创新基金项目(2006KYCX004);河南省青年骨干教师基金项目(134);河南省教育厅自然科学基金项目(13440050)

摘　　要：K-Means聚类算法在基于Web日志的个性化服务领域得到广泛的应用,但是在处理海量数据过程中,传统的(单机)K-Means聚类算法存在着可扩展性差、效率低下、运行时间长等缺点,在充分研究传统K-Means聚类算法的基础上,发现K-Means聚类算法中蕴含的并行性,提出了一种基于用户的并行处理K-Means聚类算法,并将该并行算法应用到个性化服务中对网站用户进行聚类,有效地缩短了用户聚类的时间。The K-Means clustering algorithm is widely used in the fields of web personalized service, there is the defect of the inferior extendibility, low efficiency and long running time in the traditional K-Means clustering algorithm when facing the huge amounts of data sets . In this paper, based on the study of the traditional K-Means clustering algorithm, we discovered the K-Means clustering algorithm which contained parallelism ,proposed the parallel K-Means algorithm based on users and also used the parallel K-Means algorithm to cluster web users in personalized service, reduced the user＇s clustering time effectively.

关 键 词：个性化服务 并行 聚类算法 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]