改進(jìn)的關(guān)聯(lián)規(guī)則挖掘算法在個(gè)性化推薦系統(tǒng)中應(yīng)用.pdf

1、數(shù)據(jù)挖掘是數(shù)據(jù)庫系統(tǒng)和新的數(shù)據(jù)庫應(yīng)用的一個(gè)有希望的、欣欣向榮的學(xué)科前沿。數(shù)據(jù)挖掘，通常又稱數(shù)據(jù)庫中的知識(shí)發(fā)現(xiàn)，是自動(dòng)的模式提取。關(guān)聯(lián)規(guī)則挖掘是數(shù)據(jù)挖掘的重要研究方向之一，它是發(fā)現(xiàn)大量數(shù)據(jù)中項(xiàng)集之間有趣的關(guān)聯(lián)或相互聯(lián)系。可以輔助許多商務(wù)經(jīng)營(yíng)者做決策，如分類設(shè)計(jì)、交叉購物和購物籃分析等。 本研究以遼寧省信息產(chǎn)業(yè)廳項(xiàng)目“嵌入式網(wǎng)上智能教學(xué)平臺(tái)”為背景，主要通過對(duì)數(shù)據(jù)挖掘技術(shù)的相關(guān)分析與比較，提出改進(jìn)的關(guān)聯(lián)規(guī)則挖掘算法，并將此算法用于挖

2、掘用戶購買模式，從海量的購買記錄中提取出隱藏于其中的用戶感興趣的信息。開發(fā)了嵌入式網(wǎng)上智能教學(xué)平臺(tái)的個(gè)性化推薦系統(tǒng)，該系統(tǒng)能自動(dòng)向用戶推薦其可能感興趣的信息，為用戶提供個(gè)性化服務(wù)。針對(duì)傳統(tǒng)的Apriori算法需要產(chǎn)生大量的候選項(xiàng)目集和多次掃描數(shù)據(jù)庫的不足，提出了一種新的基于向量?jī)?nèi)積的生成頻繁項(xiàng)集的算法，稱為VipApriori算法。該算法通過對(duì)事務(wù)數(shù)據(jù)庫的布爾化表示，搜尋布爾矩陣的行向量，通過內(nèi)積運(yùn)算規(guī)則直接生成頻繁項(xiàng)集。VipApri

3、ori算法只需掃描一次數(shù)據(jù)庫，無需生成候選項(xiàng)集。此外，VIPApriori從最大項(xiàng)集開始查找，當(dāng)頻繁項(xiàng)集可能是大項(xiàng)集時(shí)，可以縮短查找時(shí)間。使用Java語言進(jìn)行了傳統(tǒng)的Apriori算法與本文改進(jìn)的VipApriori算法的對(duì)比實(shí)驗(yàn)。理論分析與實(shí)驗(yàn)表明，改進(jìn)的VipApriori算法具有很高的效率，因?yàn)樗粧呙枋聞?wù)數(shù)據(jù)庫一次。K－項(xiàng)頻繁集通過掃描事務(wù)擴(kuò)展矩陣的行來直接生成，不需要對(duì)（K－1）-項(xiàng)頻繁集進(jìn)行連接，也不需要對(duì)K－項(xiàng)候選集進(jìn)行剪