針對三元組數(shù)據(jù)內(nèi)在關(guān)聯(lián)性復(fù)雜的特點(diǎn)，提出了基于平行因子分解（ PARAFAC）的協(xié)同聚類推薦算法。該算法利用PARAFAC算法對張量進(jìn)行分解，挖掘多維數(shù)據(jù)實(shí)體之間的相關(guān)聯(lián)系和潛在主題。首先，利用PARAFAC分解算法對三元組張量數(shù)據(jù)進(jìn)行聚類；然后，基于協(xié)同聚類算法提出了三種不同方案的推薦模型，并通過實(shí)驗(yàn)對三種方案進(jìn)行了比較，得到了最優(yōu)的推薦模型；最后，將提出的協(xié)同聚類模型與基于高階奇異值分解（ HOSVD）的推薦模型進(jìn)行比較。在last．fm數(shù)據(jù)集上，PARAFAC協(xié)同聚類算法比HOSVD張量分解算法在召回率和精確度上平均提高了9.8個(gè)百分點(diǎn)和3.7個(gè)百分點(diǎn)，在delicious數(shù)據(jù)集上平均提高了11.6個(gè)百分點(diǎn)和3.9個(gè)百分點(diǎn)。實(shí)驗(yàn)結(jié)果表明所提算法能更有效地挖掘出張量中的潛在信息和內(nèi)在聯(lián)系，實(shí)現(xiàn)高準(zhǔn)確率和高召回率的推薦。