关联规则在移动电子商务推荐系统中的应用

以数据挖掘中的关联规则为基础,深入研究了个性化推荐系统的架构和推荐系统模型。针对传统关联规则挖掘算法在解决移动电子商务环境个性化推荐问题时反复扫描数据库,频繁项挖掘效率低,关联规则挖掘准确率低以及规则大量冗余等不足,采用基于事务矩阵和兴趣度的关联规则挖掘算法构建个性化的推荐系统模型,提升了个性化推荐质量。     

FP-tree关联规则算法在推荐系统中的应用

近几年,由于电子商务迅猛发展,推荐系统逐渐成为了最热门的竞争手段。目前,推荐系统主要包括三个方面的推荐:热卖产品推荐、新产品上市推荐和相关产品推荐等。文中关注相关产品推荐,也就是利用数据挖掘技术在大量的历史销售记录数据中进行挖掘,找出隐藏在不同的商品之间的相关信息,用动态网页的形式向用户推荐。采用FP-tree关联规则算法实现对客户信息的数据挖掘,并将其应用在推荐系统中。     

基于加权关联规则挖掘算法的电子商务商品推荐系统研究

为了解决电子购物者和商家直接的商品快速、准确匹配问题,进行基于加权关联规则挖掘算法的电子商务商品推荐系统研究。首先指出了经典Apriori算法的缺点和不足,并提出一种新的加权模糊关联挖掘模型算法,以保证频繁项集的向下封闭性;通过对电子商务推荐系统的结构化设计、数据预处理模块设计、推荐模块设计,完成了推荐系统的工作流程测试;最后选取命中率作为不同推荐模型的评价标准,通过五折交叉试验法对实际采集数据进行了对比分析,试验结果表明关联规则集的Top-N产品命中率要明显高于兴趣推荐和畅销推荐法。     

数据挖掘技术在电子商务推荐系统中的应用研究

在对数据挖掘技术和电子商务推荐系统进行研究的基础上,设计和提出了一种基于聚类算法的图书推荐系统,并将其应用到网上书店中,该系统在找近邻之前对所有资源进行聚类,缩小了找近邻的范围,从而大大提高了系统的运行效率,在实际应用中取得了较好的推荐效果。     

基于关联规则挖掘的OJ推荐方法

Online Judge系统(简称OJ),是一个编程练习的在线判题系统.练习者可以根据知识点和难度,选择相应的编程题目,提交自己编写的程序代码,得到OJ的评测反馈.为了在OJ上搜寻到合适自己的题目,练习者常常需要花费较长的时间浏览题库.针对这一问题,本文提出一种基于关联规则挖掘的解决方案,其主要流程为:首先,收集OJ中所有练习者已做题目的数据;而后,使用关联规则挖掘的方法,挖掘出题目之间的关联关系;最后,依据目标练习者的做题历史,个性化地为其推荐合适的题目.实验结果表明,本推荐方案可为编程练习者做出有效推荐.相比原先需要从上千道题目中浏览寻找,练习者只需从推荐的3道题目中进行选择即可,极大程度地节约了用户的时间和试错成本.     

关联规则的数据挖掘在图书馆系统中的应用

关联规则的数据挖掘是近年来兴起的一种信息资源开发与数据处理技术,在图书馆管理系统中的应用,可以优化图书馆馆藏布置和信息资源管理效率,提高图书馆服务能力,满足读者多样化和个性化需要。文章从关联规则的数据挖掘基本原理入手,结合Apriori算法,简要分析了数据挖掘在图书馆管理系统中的应用,并利用数据挖掘结果辅助图书馆管理和教师教学。     

关联规则在超市数据分析中的应用

随着信息化建设和应用进程的加快,超市的数据库中积聚了大量的销售信息,本文介绍了数据挖掘中的关联规则在超市数据分析中的应用,帮助企业的决策者根据发展形势的变化及历史数据做出正确的决策。     

基于关联规则的图书智能推荐系统的算法改进

讨论了现有的关联规则推荐算法,运行时每次的运算量巨大。提出一种基于数据库系统的推荐算法,将有趣性发现的运算分散到用户的每次访问,以减少单次的运算量。该算法主要由SQL语句写成,基于数据库,具有平台独立性,拥有一定的准确性,在速度上优于现有方法,可以应用于实际的系统。     

动态采集与关联规则在个性化推荐中的应用

一个网站有多个网页组成,网站上的信息分布在这些网页上,不同的用户对不同的网页上的信息感兴趣,如何满足用户对敏感网页的高效访问,我们提出一个基于使用挖掘的Web站点个性化信息服务系统来解决问题.利用Web使用挖掘技术来分析用户的浏览模式,根据用户的当前访问需要,自动实时地为用户提供推荐页面,实现个性化服务.     

基于数据挖掘技术的电子商务推荐系统的研究

本文首先对数据挖掘技术进行了分析,重点对数据挖掘技术中的协同过滤技术在电子商务推荐系统中的应用与实现进行了介绍与分析。希望能为促进电子商务推荐系统的发展提供一定的借鉴。     

可拓学在数据关联规则挖掘中的应用

介绍了关联规则数据挖掘概念和可拓学思想。探讨了把可拓学理论用于关系数据库上关联规则挖掘。通过对关系数据库上多值属性进行布尔数值转换，利用关联规则挖掘算法在关系数据库对关联规则进行挖掘．再用可拓学相关性和蕴含性思想，对所获得的关联规则进行拓展，获得更多更有价值的关联规则。     

基于WEB挖掘的关联推荐算法

通过Web挖掘分析用户需求,利用关联规则实现Web个性化,向用户提供个性化服务已经成为当今Web技术的研究热点.文中根据网络教学系统的个性化需求,针对Web个性化推荐算法及其改进算法中存在的问题,提出一种结合网站结构和内容挖掘的个性化关联规则的推荐算法.离线生成频繁访问路径聚集图,在线结合网站结构,动态地向用户进行在线推荐.并对改进后的算法进行仿真测试,实验表明改进算法可以更加节约存储空间,提高推荐准确率和覆盖率.     

Association rules recommendation algorithm supporting recommendation nonempty

Existing association rule recommendation technologies were focus on extraction efficiency of association rule in data mining.However,it lacked consideration of recommendation balance between popular and unusual data and efficient processing.In order to improve the quality and efficiency of personalized recommendation and balance the recommendation weight of cold and hot data,the problem of mining frequent itemset based on association rule was revaluated and analyzed,a new evaluation metric called recommendation RecNon and a notion of k-pre association rule were defined,and the pruning strategy based on k-pre frequent itemset was designed.Moreover,an association rule mining algorithm based on the idea was proposed,which optimized the Apriori algorithm and was suitable for different evaluation criteria,reduced the time complexity of mining frequent itemset.The theoretic analysis and experiment results on the algorithm show that the method improved the efficiency of data mining and has higher RecNon,F-measure and precision of recommendation,and efficiently balance the recommendation weight of cold data and popular one.     

基于关联规则的Web挖掘技术研究

关联规则是Web挖掘中一个重要的研究领域。为了挖掘出隐藏在数据间的相互关系,将关联规则的概念引入到Web挖掘系统中,把用户的访问路径以关联规则的形式表现出来。基于Apriori算法的思想,给出了适合Web挖掘用户访问的新Apriori算法规则及其模式,最后将结果在一些较简单的网页上进行了验证,取得了较好的应用效果。     

Web数据挖掘在电子商务中的应用

Web数据挖掘已经成为数据挖掘研究领域的热点,尤其是在电子商务网站的设计和使用中。文章阐述了在电子商务中如何运用Web数据挖掘技术,为企业更有效地确认目标市场、改进决策、获得更大的竞争优势提供帮助,并提出了一种Web数据挖掘系统的设计方案和实现方式。同时,对k-means聚类算法进行了优劣分析,并提出通过改变初始聚类中心的选取规则来提高算法的运行效率以及计算结果的准确度。     

一种改进的加权关联规则挖掘算法

基于经典Apriori算法的加权关联规则挖掘算法New-Apriori存在3个问题,需要多次扫描数据库,权值定义不合理和权值的引入导致Apriori基本性质不再成立。为了解决这些问题,采用将矩阵和加权关联规则算法相结合的方法,该改进算法具有只需要扫描一次数据库,权值的定义既考虑到了权重大的项目,也没有忽略频繁出现而权重小的项目,并引入K-项支持期望作为减枝的依据的特点。     

基于关联规则的电子病历挖掘算法研究与应用

采用了一种改进的关联规则快速挖掘算法——FG算法，该算法不需要查找频繁项集．可直接求出所有的无冗余的关联规则。基于电子病历系统历史数据，建立数据仓库，进行了FG关联规则挖掘算法的实验。结果表明该算法优于其他算法，能提取隐含在电子病历系统中未知的有用的信息，为医疗诊断能提供辅助性的决策。     

剖分关联规则综述

剖分关联规则是描述剖分面片之间或者面片内空间对象之间的相邻、相连、共生、包含等空间关联的规则。从基本概念、分类、目前研究成果等方面对其进行综述,重点阐述了剖分关联规则的概念、挖掘方法等。通过对现有剖分关联规则研究成果和存在问题的深入剖析,指出了其未来主要的发展方向。