基于关联规则的商品推荐系统

关联规则是数据挖掘中的一个重要问题,本文在研究关联挖掘的基础上,通过对过去客户的交易记录进行分析,建立关联规则,为客户提供商品推荐,从而也为电子商务网站店主提供正确的盈利导向。     

基于粒关联规则的冷启动推荐方法

推荐系统已被广泛应用于电子商务等多个领域。冷启动问题是推荐系统的一个难点。基于粒关联规则的冷启动推荐方法,运用粒来描述用户和产品,通过满足粒关联规则的4个指标,挖掘出用户和产品之间的关联规则,匹配合适的规则,最后根据这些规则向用户做出相应的推荐。在公开有效的数据集MovieLens上进行了实验,结果表明,用粒关联规则所挖掘出的规则可以有效地用于训练集和测试集上的推荐,并且具有较好的准确性。     

一种改进的关联规则个性化推荐方法

针对传统的关联规则推荐方法中可能出现的关联规则数量较少的缺点,提出了一种改进的关联规则个性化推荐方法。该方法首先利用商品的属性信息从历史销售数据库中挖掘商品属性间的关联规则作为规则库,然后利用规则库中的规则计算不同商品的推荐价值,最后得到若干推荐价值靠前的最优商品推荐给顾客。     

关联规则在个性化图书推荐中的应用研究

为了提高图书的借阅率,满足读者的个性化需求,提出使用关联规则挖掘技术。当读者借阅某本图书时,自动从海量图书中找到与该图书相关的书籍推荐给读者。实践证明该方法能减少读者寻找相关图书的时间,达到个性化推荐的目的。     

电子商务网站推荐系统中关联规则推荐模型的实现

介绍了一个电子商务网站推荐系统中关联规则推荐模型的实现过程。该模型的实现运用了概念层次的思想方法,采用了不需要产生候选集的频繁集挖掘算法FP_Tree挖掘关联规则。该推荐系统已经在一家电子商务网站上投入使用。     

多维关联规则推荐在商务站点中的应用

提出了一种多维关联规则推荐系统,为客户提供更加准确的个性化推荐。该系统利用了客户购物信息、注册信息数据和经过评估的客户消费能力信息,通过多维、多层次的关联规则挖掘生成推荐集。针对不同的客户提供不同的商品,从而改善了个性化推荐的效果。     

基于关联规则算法的推荐方法研究综述

目前传统推荐算法已经被广泛应用于各类推荐系统,然而在推荐过程中仍然存在着无法处理非结构化数据、数据潜在关系发现困难、数据稀疏和冷启动等问题。关联规则技术的出现有效缓解了这些问题,推荐效率也因此得到提高。将关联规则技术的特殊属性与推荐算法进行高质量的结合成为推荐领域的研究热点。通过综述关联规则技术与数据的不同关联规则类别在传统推荐算法中的应用,对传统算法在推荐过程中的优缺点进行了归纳阐述。针对基于关联规则推荐算法的研究进行总结,并对其未来的发展趋势进行展望。     

提高关联规则完整性和有效性的算法

该文在对经典的关联规则算法进行了分析后,通过引入兴趣度和负规则的概念,提出了在不降低运行效率的同时提高挖掘出的关联规则的有效性和完整性的算法,并且对算法本身作出了评价。     

Hyperlink Recommendation Based on Positive and Negative Association Rules

The new HRS method for hyperlink recommendation based on positive and confined negative association rules is presented in the paper. Discovered with the new PANAMA algorithm rules are merged and used in the form of recommendation functions, both to assess the existing hyperlinks and to suggest new ones. Positively and negatively verified and new hyperlinks are presented to the content manager and can considerably facilitate the maintenance of the web site structure and its adjustment to user behaviour. The experiments confirmed the usefulness of the Hyperlink Recommender System (HRS) and in particular, of negative recommendations based on confined negative association rules.

Building an Association Rules Framework to Improve Product Assortment Decisions

It has been claimed that the discovery of association rules is well suited for applications of market basket analysis to reveal regularities in the purchase behaviour of customers. However today, one disadvantage of associations discovery is that there is no provision for taking into account the business value of an association. Therefore, recent work indicates that the discovery of interesting rules can in fact best be addressed within a microeconomic framework. This study integrates the discovery of frequent itemsets with a (microeconomic) model for product selection (PROFSET). The model enables the integration of both quantitative and qualitative (domain knowledge) criteria. Sales transaction data from a fully automated convenience store are used to demonstrate the effectiveness of the model against a heuristic for product selection based on product-specific profitability. We show that with the use of frequent itemsets we are able to identify the cross-sales potential of product items and use this information for better product selection. Furthermore, we demonstrate that the impact of product assortment decisions on overall assortment profitability can easily be evaluated by means of sensitivity analysis.     

模糊关联规则挖掘和推理系统

为了准确对用户的消费提供个性化建议,智能推荐系统应运而生.对智能推荐系统体系结构及实现方法进行了有益的探索,将模糊聚类、模糊关联规则挖掘与模糊推理相结合,设计并实现了一个原型智能推荐系统.该系统在经过实际数据运行后,经过模糊聚类、模糊关联规则挖掘和规则筛选,并经过模糊推理,系统可以给出一些符合实际背景的结论.     

基于关联规则与相似度的社交好友推荐算法

针对现有社交好友推荐算法只关注"人"忽略"事"的问题,提出一种基于关联规则与相似度的推荐算法。通过对用户每天发布的信息进行相似度计算,将相似度达到给定阈值的信息视为一条交易记录,把发布的信息视为交易项,信息库视为交易数据库,计算出二阶候选项集,推荐支持数最高的前N项信息的发布者为好友。实验结果表明,与基于关联规则与标签的好友推荐算法相比,该算法具有较高的准确率。     

基于加权关联规则的用户关注项目推荐算法

根据每个项受关注的程度对其赋予权值，体现每个项在项集中的重要性，引入选择关注度，体现用户选择项时的倾向，推荐时将苎妻董联规则的置信度相结合，从而为用户更准确的提供关注项目推荐。在实验中比较了文中的算法和一种基于最近邻用户协作过滤算法，实验验证了文中的算法在为用户进行推荐项目时用户的点击率和算法的性能都有所提高。     

关联规则与直接模糊聚类算法在个性化推荐中的应用

随着Internet技术的发展,网络教育已成为一种非常流行和有效的教学媒体。通过Web挖掘应用于网络教育,根据用户的兴趣和爱好为其定制个性化推荐内容,并以此进行个性化推荐,是目前校园网站建设的关键内容之一。     

支持个性化推荐的Web页面关联规则挖掘算法

分析了应用于个性化推荐的Web页面关联规则的特点,提出了“壹支持数下k关联规则”的思想,根据这一思想设计、实现了一种应用于个性化推荐的Web页面关联规则挖掘算法——PARM(Pageview Association Rule Mining)及频繁项集的Freq-Set-Tree存储结构,在产生频繁项的同时挖掘关联规则,因而能提高效率。实验证明在个性化推荐系统中PARM算法的效率明显高于FP-Growth算法。     

基于关联规则挖掘的个性化智能推荐服务

为了解决WWW上的“信息过载”和“资源迷向”问题,该文提出了基于关联规则挖掘的个性化智能推荐服务。个性化智能推荐服务系统包括两个主要部分:离线部分和在线部分,在离线方式下,执行对WEB服务器的访问log文件的分析挖掘,获取用户事务模式,再采用支持度过滤方法获取频繁的用户事务模式,然后,生成聚集树。在在线方式下,针对当前滑窗的用户访问操作路径,采用基于聚集树的关联规则挖掘,获取匹配当前滑窗的用户访问操作路径的关联规则集,生成推荐的候选集。实现在线个性化智能推荐服务。试验结果显示,该文提出的方法是有效的和可行的。     

基于关联规则挖掘的个性化智能推荐服务

1 概述随着WWW上的信息的爆炸性增长,用户的“信息过载”和“资源迷向”问题越来越突出。为了解决用户的信息过载和资源迷向问题,人们发展了许多智能推荐服务系统以及相关技术,帮助用户在WWW上快速定位、检索感兴趣的信息。其中,WebWatcher系统采用跟踪用户浏览Web站点的行为或者访问路径方法,学习用户的访问模式,将用户可能感兴趣的Web页在线推荐给用户。SiteHelper系统采用分析每一个用户已经访问的Web页,学习用户的兴趣模式,从用户感兴趣的Web页(浏览时间超过规定门限或者访问频次超过     

一种具有最大推荐非空率的关联规则挖掘方法

为了提高个性化推荐的质量,简化推荐规则生成过程中相关参数的设置,讨论了应用于个性化推荐中的关联规则的性质,定义了"推荐非空率"这一新的推荐测度以及"1-支持频繁项集"和"k最大关联规则"的概念,提出了"在1-支持频繁项集中生成k最大关联规则"的思想,设计了满足该思想且适合于不同滑动窗口深度下推荐的关联规则挖掘算法.理论分析及实验结果表明,该算法具有最大的推荐非空率、较高的推荐准确率和F-测度,并有效地简化了规则挖掘过程中阈值的设置.     

一种基于后项不定长关联规则的Web个性化推荐方法

Web usage mining plays an important part in supporting personalized recommendation on Web and association rule uncovers the interesting relations among items hidden in data. The paper gives an idea of association rule merging-deleting based on the analysis of association rule characteristics and implements it in the rule preparation before the Web personalized recommendation. Furthermore, based on the comparisons in precision, coverage and F1 of recommendation system and the rule numbers used in three kinds of association rules, a Web personalized recommendation method based on uncertain consequent is put forward. After integrative analysis of several recommendation methods, the method given in the paper can be thought as a good selection. At last several pageweighted techniques are introduced in the paper.     

改进的FP-growth关联规则算法及其在图书推荐系统中的应用

在FP-growth关联规则算法的基础上提出了基于动态二维数组的算法,引入可变二维数组结构,动态的将事务数据库存入该数组中,可以大大提高数据挖掘的效率。并以图书馆管理系统中的图书借阅数据作为训练数据,使用改进的FP-growth算法实现了高校图书推荐系统,本系统能够从图书馆图书借阅记录中挖掘和发现读者借阅行为中隐含的规律,得到读者与图书的频繁项集,从而可以实现对不同身份的读者推荐不同类型的图书功能。