3.2 在Spark平台上实现推荐算法的并行化系统，并对推荐系统进行了准确率、召回率和覆盖率等评测。实验中，训练集占总数据量的75%，测试集占25%。每个实验根据不同参数设置进行4次，取平均值作为最终结果（详见表3）。基于物品协同过滤推荐算法，在不同的推荐列表长度（L值）下，其性能如下：当L=20时，准确率最高达到20.74%，召回率为10.23%，覆盖率为15.37%。分析表明，推荐列表长度对算法性能影响显著，其选择需慎重考虑。随着推荐列表长度的增加，覆盖率逐渐降低，这是因为算法更倾向于推荐热门电影。结束语。