近年来随着大数据、物联网等信息技术的快速发展,数据逐渐成为企业发展所必需的重要资源,但由于企业所拥有的数据资源有限,且获取成本过高,导致其发展受到严重制约。为解决企业数据资源困境,多个企业联合组建形成了大数据联盟。大数据联盟内部数据资源共享,有效提高了数据资源利用效率,但随着大数据联盟规模不断扩大,联盟数据资源和用户随之增多,巨量的数据资源引发信息过载现象,导致用户难以在短时间内准确获取所需数据资源。推荐系统的引入有效缓解了大数据联盟数据资源交易过程中的用户选择困惑,但面对大数据联盟庞大的用户群,传统的个体推荐所带来的成本过高、数据稀疏型用户推荐准确率过低等问题,导致个体推荐不再适用于大数据联盟数据资源推荐。在此背景下,本文将群推荐引入大数据联盟数据资源交易中,通过将联盟用户分群,为用户群提供符合需求的数据资源推荐列表,提高推荐效率,降低推荐成本,推动大数据联盟数据资源交易发展。本文以大数据联盟为研究对象,通过分析大数据联盟、数据资源、群推荐的研究现状,挖掘联盟用户的数据资源需求,基于大数据联盟数据资源特点及用户需求设计大数据联盟数据资源群推荐过程模型。在大数据联盟数据资源用户分群时,为确保分群后的同一群内用户在长期偏好与近期需求都具有较高相似度,本文通过聚类用户画像形成群体画像实现初次分群,并在群体用户画像的基础上结合用户近期需求对用户进行二次分群。用户分群后,由于部分用户数据稀疏,难以为其准确提供所需数据资源,导致用户满意度不高。为保证推荐结果能够在用户群整体满意度较高的同时部分成员不满度最低,采用改进的VIKOR算法对与用户群需求匹配后筛选出的候选数据资源进行折衷排序形成数据资源推荐列表,推送给用户群。最后以中关村大数据产业联盟作为实证研究对象,验证大数据联盟数据资源群推荐的可行性。大数据联盟数据资源群推荐研究有利于提高联盟数据资源利用效率,挖掘用户价值,促进数据资源的流通与应用,为多主体协同进行群推荐研究做出一定的理论贡献,对大数据联盟数据资源交易稳定发展具有重要现实意义。