文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 工程科技 > 信息与通信 > 基于关联规则挖掘的Web个性化推荐研究
侵权投诉

基于关联规则挖掘的Web个性化推荐研究

随着Internet的普及和WWW的迅猛发展,网上信息呈指数增长,如何能在这个浩若烟海的信息空间中快速准确地查找自己需要的信息就显得十分重要。Web个性化推荐的目的是当用户在浏览网站时能够根据其特殊需求实时准确地推荐他可能感兴趣的相关网页,该项技术是提高网站服务质量和访问频率的一种重要手段。本文对典型的关联规则挖掘算法进行了分析和探讨,并在此基础上提出了一种新的应用

维普资讯 doc.guandang.net

南枉科技 20 ̄第1期 07 0

网络纵横

基于关联规则挖掘的We个性化推荐研究 b 邹丽霞杨建强 (壁职业技术学院 )鹤 摘要随着It e nrt e的普及和www的迅猛发展,网上信息呈指数增长, n如何能在这个浩若烟海的信息空间中快速准确地查找自 己需要的信息就显得十分重要 wc个性化推荐的目的是当用户在浏览网站时能够根据其特殊需求实时准确地推荐他可能感兴趣的 b相关网页,该项技术是提高网站服务质量和访问频率的一种重要手段本文对典型的关联规则挖掘算法进行了分析和探讨.并在此基础上提出了一种新的应用于We个I4推荐的关联规则挖掘算法, b/ ̄ t .并深入讨论如何利用挖掘的关联规则进行个J化推荐生关键词关联规则支持度置信度个性化推荐

We+性化推荐服务即是利用个性化技术将传统的数据挖掘对 b象同we访问信息结合起来 .用we挖掘的方法抽取用户感兴趣 b利 b的潜在有用模式与信息,然后基于这些模式和信息为用户提供“一对一”的具备自适应性的个性化推荐服务。个性化服务技术能充分提高站点的服务质量和访问效率,从而吸引更多的访问者。 We/务器日志存在完整的结构,当信息用户访问We站点 h艮 l b时,与访问相关的页面、时问、用户I等信息,日志中都作了相应 D地记录,因而对其进行信息挖掘是可行的。在挖掘过程中,一般先把日志中的数据映象成各种关系信息,对其进行预处理,包括清除不相关的信息等。本文采用关联规则的方法对日志进行挖掘,出得访问页硒之间的关联规则,从而对用户进行推荐。 1应用于个性化推荐的关联规则挖掘算法 11个性化推荐中关联规则特点 应用于个性化推荐的关联规则具有这样的形式:p J … B> o=,2= p( l i,…,n。 )

F n d * o e n;/向与其具有相同n m的另—个节点 P o e n dl k/ i指 ae k

算法:F - n。使用F - r,Fe— e Te,挖掘关联规 P Mi e P Te e r St r q - e 则。

输入:用事务数据库 D造的 F- r;最小支持度阈值构 P Te e m nu,最小置信度阈值为m no f成关联规则的最大前项长 i p s i n,生 c 度为n。

输出:关联规则集 S

。方法: Aloi m F - n 0 g rh t P Mie

l 1用F - r头表,建立 lse .利 PTe e—i节点; z 2f ( l< n+ ) n . r=;i=;i/为生成规则前项的最大长度 oi+*, I 1 o ahi m isz () r c e i -ie f e t n

在个性化推荐技术中,所应用的关联规则具有如下特点“ :①规则后项代表用户访问过的一个页面,其长度为 l,即l s e~i;② z规则前项代表用户在访问后项之前所浏览过的页面序列,其长度是该用户浏览过的页面数目。 1关联规则挖掘算法 . 2

( Pls 0 成is e I1 s e r—e Te ̄生成 ̄ _ne;,生—i和( ) i的Fe St r f ) t r z+一z q - e相应的关联规则 , (从Fe— e Te中释放所有i i节点; 2 rqSt r ) - e—z se (删除 Fe— e Te ̄"不满足最小支持数的 ( l i节 3 ) r I t re中 xS-,’卜s+ e z 点; 】

1/Fe— e- re ., rq St T e中释放所有(+ ) s e 3 X n 1- i ̄点 z 】 Aloi m l n e ( rq S t T e,F - re ) g rh P Is r Fe - e- re P T e,S t - t

关联规则挖掘的关键是挖掘频繁项集。关联规则常用的挖掘算法;A r f ̄ pi算法和F- rwh法。但是传统的关联规则挖掘算法 o i P Go t算只是寻找频繁访问模式集。并没有给出如何得到关联规则的方法, 经过验证,利用得到的频繁模式集生成关联规则的效率非常低 . 所以本文对传统的关联规则挖掘算法F - mwh法经过改进,提出 PG t算个新的关联规则挖掘算法F - n算法,大大地提高关联规则的 P Mi e挖掘效率。 F— n算法描述如下: P Mi e 存储结构: —

【 . r li i节点 E r— e T e 1f a - z o l se Fe S t r q - e I1 (取该n d .的第—个项i; ) oed i l () F - r的头表中得到名字为i 2 ̄ P Te; E e l的项对应的记录; (据该记录的n d _ n找到树中对应的节点P 3煨 oelk i; () eet 4R pa

I由节点P下匹配在F - r中找到一分支包含i i节点①向 PTe e -z se 的n e d d i o .的项集顺序;

⑦设i i节点的n ed—z s e d i o 的最后一项对应的节点为q;③用q hd的ci指针找到其所有 1s c l一i项后继的nI构成( -) z ae n i1 - 4 s e项: i z

Fe— e Te} r s卜 r q c是一种树形结构,用于存储is e i1 s e—i和( ) i z+ -z 0 1,3=,2…,n的频繁项集,树中节点分为5 )个域,其具体定义如 下: sm c n d t t FS o e

④其 sp r构成 (41 s e upt o为 i-) i项集的各 ls e中最小的计 一z -i ̄ z 数:

Iu s nd n *;, ni e i i, g t d存储项集的名字 u s n tu p r/项集的支持度 ni e i p t/ gd ns o; dul of ec;,ise obe ndne, i节点中关联规则(I c i -z P…p¨>.【= p的卜 l )置信度 Fnd * f, Soe l t指向比本节点的 i e;, d长度增 l的一个超集对应的节点 F n d * g t指向与本节点的i有相同长度的另一个项集对 S o e f h; i d应的节点 】;

⑤相同的项的sp r upt o累加; ⑥其cn dne i 1 s节点的支持数与构成 ( )s节 ofec为( ) i i 一z - 4 e i一i+1 z e点的i i节点的支持数之比;—z se ⑦P Pndl k寻找与P= . en; o i 具有相同名字的下—个节点 , 】 () c= UL 5Uni P;N L: J .

F - r的结构为一个头表(edal和一颗树,头表中的三 P Te e ha b ) t e个域分别为:im t存储 lse e—i频繁项集,ndl k -个指针,向 z oen ̄- i指 对应的i m e t在树中的第 1个对应节点,sp o为 1s e u p r一 i频繁项集的支 t z持度。树中每个节点的结构 stc 1ld t tF)0 e u l

(i(+1 s e集的 sp r ̄最小支持度并且cndne 6 f( ) i . ) i一 z ̄ upt足 o t of ec i满足最小置信度 ) t n生成相应的推荐规则放入集合S; h e中 (用 nd.f n e gt针将 (41 s项集节点插入到 7 ) oee ̄ o . h 1t d d指 i )i - -z e F e—S t e r q— e-Tr e;

)

2基于关联规则的个性化

推荐系统 21推荐的体系结构 .

I u s n t a e/ -i ̄集名称 n i e i m;/ gd nn是l s e, z us nd nspo;/为其计数域 ni e tupr/ g i t st P o e c i;, e F nd>*h d,< l指向其后继节点

个性化推荐系统的关键思想是根据用户在访问We时的交互 b性,在用户与We ̄点之间增加—个推荐过程,它的主要工作在于 b/

基于关联规则挖掘的Web个性化推荐研究

第1页

你可能喜欢

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email