在線旅游網(wǎng)站關(guān)聯(lián)推薦方法的研究.pdf

1、關(guān)聯(lián)規(guī)則是互聯(lián)網(wǎng)數(shù)據(jù)挖掘極其熱門的研究方向。由于運用關(guān)聯(lián)規(guī)則挖掘算法可以發(fā)現(xiàn)商品之間的潛在關(guān)聯(lián)，推薦給用戶之后，可以到達提高銷量以及提升用戶體驗的良好效果。本文主要研究關(guān)聯(lián)規(guī)則算法在網(wǎng)站推薦方面的應(yīng)用，通過提出并構(gòu)建了一個基于分塊思想的推薦模型，應(yīng)用于在線旅游網(wǎng)站，致力達到向在線旅游網(wǎng)站用戶推薦優(yōu)質(zhì)的旅行目的地團購商品的目標。本文研究的主要內(nèi)容和成果:
　　(1)概述了數(shù)據(jù)挖掘以及關(guān)聯(lián)規(guī)則挖掘算法的相關(guān)技術(shù)，并對比了Apriori

2、算法與FP-tree算法在挖掘方面的優(yōu)缺點，發(fā)現(xiàn)FP-tree算法雖然在算法效率上優(yōu)于Apriori算法，但是其樹結(jié)構(gòu)極其占用內(nèi)存，面對海量數(shù)據(jù)時有可能導(dǎo)致算法無法執(zhí)行完成。
　　(2)為了克服經(jīng)典Apriori算法挖掘極其耗費時間的弊端，本文在介紹了Apriori算法并行化處理的技術(shù)基礎(chǔ)上，給出了基于MapReduce的Apriori并行算法。并行化的Apriori算法通過分割處理的方式，既保障了其最終挖掘結(jié)果的一致性，還在時間

3、上和空間上均節(jié)約了開銷。
　　(3)基于在線旅游網(wǎng)站的推薦背景應(yīng)用下，本文提出了一個在線旅游網(wǎng)站的關(guān)聯(lián)規(guī)則推薦模型。該模型結(jié)合實際情況，利用商圈標簽作為分割，將龐大的事務(wù)數(shù)據(jù)很好地劃分為多個數(shù)據(jù)塊，并對其進行基于MapReduce的Apriori并行算法。挖掘產(chǎn)生的關(guān)聯(lián)規(guī)則保存于關(guān)聯(lián)規(guī)則庫，當觸發(fā)推薦事件時，直接從關(guān)聯(lián)規(guī)則庫中取出，此方法規(guī)避了每次都挖掘所產(chǎn)生的服務(wù)器開銷，同時還提升了用戶體驗。
　　(4)本文通過搭建基于H