面向電子商務(wù)個(gè)性化推薦的序列關(guān)聯(lián)挖掘研究.pdf

1、隨著電子商務(wù)的快速發(fā)展，網(wǎng)上購(gòu)物已成為人們?nèi)粘Ｉ钪械牟豢扇鄙俚幕顒?dòng)。然而，電子商務(wù)網(wǎng)站上進(jìn)行銷售的商品過(guò)多，而用戶的興趣也千差萬(wàn)別，這就造成了用戶在選擇商品時(shí)的信息過(guò)載問(wèn)題，面對(duì)過(guò)多的選擇其表現(xiàn)出來(lái)選擇的無(wú)所適從性。個(gè)性化推薦技術(shù)是解決這種信息過(guò)載問(wèn)題的最有效手段之一。
　　然而，現(xiàn)有的個(gè)性化推薦技術(shù)大多關(guān)注用戶在一次購(gòu)買(mǎi)行為內(nèi)的興趣，或者將用戶的全部購(gòu)買(mǎi)記錄都看作其興趣所在，沒(méi)有考慮到用戶的興趣是隨著時(shí)間的變化而動(dòng)態(tài)改變的。其

2、中序列模式挖掘是較為成熟的挖掘事務(wù)間商品項(xiàng)目關(guān)聯(lián)，對(duì)用戶興趣進(jìn)行動(dòng)態(tài)建模的技術(shù)。本文對(duì)序列模式挖掘算法在個(gè)性化推薦技術(shù)中的應(yīng)用進(jìn)行了拓展及研究。本文的主要內(nèi)容包括如下幾點(diǎn)：
　　(1)通過(guò)分析基于規(guī)則的個(gè)性化推薦算法，發(fā)現(xiàn)基于短規(guī)則的推薦效率要高于基于長(zhǎng)規(guī)則的推薦效率。同時(shí)，對(duì)序列模式挖掘算法進(jìn)行分析并證明后發(fā)現(xiàn)，其二項(xiàng)序列模式的集合可以代表全部序列模式的信息，而二項(xiàng)序列模式是有意義的最短序列模式。因此，本文對(duì)基于二項(xiàng)序列模式進(jìn)行

3、個(gè)性化推薦做了相關(guān)研究。
　?。?）由于現(xiàn)有算法在大數(shù)據(jù)環(huán)境下挖掘效率較低，開(kāi)發(fā)了只進(jìn)行一次掃描數(shù)據(jù)庫(kù)并減少冗余用戶掃描的二項(xiàng)序列模式挖掘算法，可快速挖掘出二項(xiàng)序列模式，提高挖掘效率。
　?。?）序列模式挖掘算法重點(diǎn)關(guān)注的是用戶多次購(gòu)買(mǎi)行為間的關(guān)聯(lián)性，對(duì)用戶在同一事務(wù)購(gòu)買(mǎi)行為商品間關(guān)聯(lián)性的挖掘較弱，其興趣覆蓋度相對(duì)較少。針對(duì)上述問(wèn)題，引入了關(guān)聯(lián)規(guī)則的挖掘算法與序列模式進(jìn)行結(jié)合，應(yīng)用到基于規(guī)則的個(gè)性化推薦中，用亞馬遜圖書(shū)銷售數(shù)