改進的關(guān)聯(lián)規(guī)則挖掘算法在個性化推薦系統(tǒng)中應用.pdf

1、數(shù)據(jù)挖掘是數(shù)據(jù)庫系統(tǒng)和新的數(shù)據(jù)庫應用的一個有希望的、欣欣向榮的學科前沿。數(shù)據(jù)挖掘，通常又稱數(shù)據(jù)庫中的知識發(fā)現(xiàn)，是自動的模式提取。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)中項集之間有趣的關(guān)聯(lián)或相互聯(lián)系?？梢暂o助許多商務經(jīng)營者做決策，如分類設計、交叉購物和購物籃分析等。 本研究以遼寧省信息產(chǎn)業(yè)廳項目“嵌入式網(wǎng)上智能教學平臺”為背景，主要通過對數(shù)據(jù)挖掘技術(shù)的相關(guān)分析與比較，提出改進的關(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)上智能教學平臺的個性化推薦系統(tǒng)，該系統(tǒng)能自動向用戶推薦其可能感興趣的信息，為用戶提供個性化服務。針對傳統(tǒng)的Apriori算法需要產(chǎn)生大量的候選項目集和多次掃描數(shù)據(jù)庫的不足，提出了一種新的基于向量內(nèi)積的生成頻繁項集的算法，稱為VipApriori算法。該算法通過對事務數(shù)據(jù)庫的布爾化表示，搜尋布爾矩陣的行向量，通過內(nèi)積運算規(guī)則直接生成頻繁項集。VipApri

3、ori算法只需掃描一次數(shù)據(jù)庫，無需生成候選項集。此外，VIPApriori從最大項集開始查找，當頻繁項集可能是大項集時，可以縮短查找時間。使用Java語言進行了傳統(tǒng)的Apriori算法與本文改進的VipApriori算法的對比實驗。理論分析與實驗表明，改進的VipApriori算法具有很高的效率，因為它只掃描事務數(shù)據(jù)庫一次。K－項頻繁集通過掃描事務擴展矩陣的行來直接生成，不需要對（K－1）-項頻繁集進行連接，也不需要對K－項候選集進行剪