支持推荐非空率的关联规则推荐算法

摘要：

现有的关联规则推荐技术在数据提取时主要侧重于关联规则的提取效率,缺乏对冷、热门数据推荐平衡性的考虑和有效处理.为了提高个性化推荐效率和推荐质量,平衡冷门与热门数据推荐权重,对关联规则的Apriori算法频繁项集挖掘问题进行了重新评估和分析,定义了新的测评指标推荐非空率以及k前项频繁项集关联规则的概念,设计了基于k前项频繁项集的剪枝方法,提出了优化Apriori算法且适合不同测评标准值的k前项频繁项集挖掘算法,降低频繁项集提取的时间复杂度.理论分析比较与实验表明,k前项剪枝方法提高了频繁项集的提取效率,拥有较高的推荐非空率、调和平均值和推荐准确率,有效地平衡了冷、热门数据的推荐权重.

关键词：关联规则、推荐系统、推荐非空率、数据挖掘

所属期刊栏目：38

分类号：TP319(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目91646201, 91546111;北京市自然科学基金资助项目4153058, 4113076;北京市教委面上基金资助项目No.KM201710005023 The National Natural Science Foundation of China91646201, 91546111;The Natural Science Founda-tion of Beijing4153058, 4113076;General Project of Beijing Municipal Education CommissionKM201710005023

在线出版日期：2017-12-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：18-25