電子商務中基于多層關聯(lián)規(guī)則的個性化推薦系統(tǒng).pdf

1、互聯(lián)網(wǎng)時代不斷發(fā)展為互聯(lián)網(wǎng)+大數(shù)據(jù)的時代，信息資源及其豐富，如何快速、準確的從海量數(shù)據(jù)中獲取自身需要的信息亟待解決。個性化推薦作為信息過濾的重要手段，是解決信息過載問題的一種有效方法。論文以數(shù)據(jù)挖掘技術為基點，以向用戶提供更好的個性化推薦服務為目標，主要圍繞多層關聯(lián)規(guī)則挖掘技術、用戶興趣建模兩方面展開研究。并以電子商務網(wǎng)站為應用場景，建立一個個性化推薦系統(tǒng)。論文主要研究內(nèi)容如下：
　?。?）針對傳統(tǒng)多層關聯(lián)規(guī)則挖掘算法，執(zhí)行效率低

2、，規(guī)則冗余度高，且多數(shù)只能挖掘同層次間規(guī)則的問題，提出基于FP_Growth的約束事務擴展的多層關聯(lián)挖掘算法(CTE-MARM)。根據(jù)用戶需求及應用場景不同，對事務數(shù)集進行k層約束擴展預處理，保證挖掘出多層次間關聯(lián)規(guī)則的同時，有效壓縮事務數(shù)集大小，提高挖掘執(zhí)行效率且降低大數(shù)據(jù)處理負擔及規(guī)則冗余度。
　?。?）將關聯(lián)規(guī)則引入到用戶興趣模型中。對電子商務網(wǎng)站記錄的用戶瀏覽行為數(shù)據(jù)進行分析處理，結合多層關聯(lián)規(guī)則挖掘的規(guī)則庫及用戶瀏覽行為