采用數據挖掘技術的自動化推薦系統的研究.pdf

1、隨著網絡迅速地發(fā)展，信息量快速膨脹，各種數據量變得龐大且分散，用戶利用傳統關鍵詞檢索搜尋數據的方式變得相當費時。為了要降低用戶在網絡上的搜尋時間，提供用戶更確切的內容信息，自動化推薦系統(Automatic Recommender System)應運而生，也越來越受到研究者的重視和相關企業(yè)的青睞。
　　 本研究主要針對在線自動化推薦系統的需求，探討如何有效地運用數據挖掘的技術從用戶訪問記錄中挖掘出用戶的喜好，然后根據合適的推薦機

2、制和算法，把最適合用戶的內容推薦給用戶，以此幫助人們在浩大的信息流中找到他們真正需要的文件或信息。
　　 本研究將人工神經網絡中的自適應共振理論(簡稱ART)和數據挖掘技術結合起來，建構了一個可自動聚類族群特征且能挖掘出關聯規(guī)則的自動化在線推薦機制。并針對推薦系統的特性，考慮到用戶屬性權重的問題，將用于用戶聚類的ART算法進行改進，提出了MART聚類算法，使推薦系統可以根據用戶屬性的重要性來設置每一個屬性節(jié)點的權重值，并用實例驗

3、證了MART算法與傳統的ART算法相比，能夠得到更為合理和靈活的聚類結果。
　　 為驗證本論文提出的算法的有效性，論文以圖書推薦為例，將該自動化聚類算法應用到一個以用戶為導向的自動化圖書推薦系統中。該圖書推薦系統首先使用MART算法根據用戶屬性信息產生用戶聚類，由此得出每個用戶的類型，存入知識庫。然后使用Apriori算法挖掘出用戶類型與圖書之間，以及圖書與圖書之間的強關聯規(guī)則，即每個用戶類型的圖書推薦規(guī)則，也同樣存入知識庫。當