關(guān)聯(lián)規(guī)則算法及其在網(wǎng)絡(luò)書店系統(tǒng)中的應(yīng)用.pdf

1、電子商務(wù)是經(jīng)營方式創(chuàng)新的結(jié)果，而隨著Internet的飛速發(fā)展，千篇一律的電子商務(wù)模式已經(jīng)不能適應(yīng)信息時代的需要。個性化的產(chǎn)品，個性化的服務(wù)逐漸成為電子商務(wù)的發(fā)展趨勢之一。數(shù)據(jù)挖掘就是從大量數(shù)據(jù)中提取和挖掘知識，故又稱為數(shù)據(jù)庫知識發(fā)現(xiàn)。個性化推薦是實現(xiàn)個性化服務(wù)的技術(shù)手段，其中的基于規(guī)則推薦較多應(yīng)用于電子商務(wù)網(wǎng)站，基于規(guī)則的推薦是指根據(jù)已經(jīng)生成的規(guī)則向用戶推薦信息的方式，根據(jù)用戶瀏覽和購買的日志生成規(guī)則，向用戶推薦感興趣的商品。關(guān)聯(lián)規(guī)則

2、是基于規(guī)則推薦中應(yīng)用比較廣泛的一種模式，在很多情況下，用戶關(guān)心的只是關(guān)聯(lián)規(guī)則的一個子集，因此人們引入了約束關(guān)聯(lián)規(guī)則的概念。 本文對關(guān)聯(lián)規(guī)則和約束關(guān)聯(lián)規(guī)則挖掘算法進行了研究和分析，J.Pei和J.Han等人提出的H-Mine算法克服了Apriori-Like類型的候選集算法產(chǎn)生過多的候選集，并且需要對交易數(shù)據(jù)庫進行多次掃描的固有缺點，提高了效率；同時采用了劃分技術(shù)也盡量避免了FP-Growth模式增長挖掘算法需要大存儲空間的缺點。

3、H-Mine算法對低支持度、長模式的關(guān)聯(lián)規(guī)則非常適合，但是他們并沒有將約束引入挖掘過程。本文將項目約束引入H-Mine算法的過程中，給出了基于H-Mine的Con-H-Mine項目約束算法(Constraint-basedHyper-StructureMining)，采用模式增長的方法不產(chǎn)生候選集，僅需掃描兩遍數(shù)據(jù)庫；采用Con-H-Struct(Constraint-basedHyper-Structure)結(jié)構(gòu)存儲數(shù)據(jù)集合，減少了空