改进的关联规则挖掘算法在个性化推荐系统中应用

论文摘要

数据挖掘是数据库系统和新的数据库应用的一个有希望的、欣欣向荣的学科前沿。数据挖掘（Data Mining）,通常又称数据库中的知识发现（Knowledge Discover in Database）,是自动的模式提取。关联规则（Association Rules）挖掘是数据挖掘的重要研究方向之一,它是发现大量数据中项集之间有趣的关联或相互联系。可以辅助许多商务经营者做决策,如分类设计、交叉购物和购物篮分析等。本课题是以辽宁省信息产业厅项目“嵌入式网上智能教学平台”为背景,主要通过对数据挖掘技术的相关分析与比较,提出改进的关联规则挖掘算法,并将此算法用于挖掘用户购买模式,从海量的购买记录中提取出隐藏于其中的用户感兴趣的信息。本文开发了嵌入式网上智能教学平台的个性化推荐系统,该系统能自动向用户推荐其可能感兴趣的信息,为用户提供个性化服务。本文针对传统的Apriori算法需要产生大量的候选项目集和多次扫描数据库的不足,提出了一种新的基于向量内积的生成频繁项集的算法,称为VipApriori算法（Vector Inner Product Apriori）。该算法通过对事务数据库的布尔化表示,搜寻布尔矩阵的行向量,通过内积运算规则直接生成频繁项集。VipApriori算法只需扫描一次数据库,无需生成候选项集。此外,VIPApriori从最大项集开始查找,当频繁项集可能是大项集时,可以缩短查找时间。本文使用Java语言进行了传统的Apriori算法与本文改进的VipApriori算法的对比实验。理论分析与实验表明,改进的VipApriori算法具有很高的效率,因为它只扫描事务数据库一次。K-项频繁集通过扫描事务扩展矩阵的行来直接生成,不需要对（K-1）-项频繁集进行连接,也不需要对K-项候选集进行剪枝和模式匹配的操作。在计算过程中对事务矩阵进行了两次有效的剪裁,这些操作都大大降低了时间复杂度。本文将改进的VipApriori算法应用到个性化推荐系统中,并成功整合到网上教学中,根据客户的爱好,向用户推荐可能感兴趣的商品,可使用户在面对教学平台提供的上万甚至上百万种产品时,能够更好地选择到自己满意的商品。从而提高了网站的智能性。

论文目录

• 摘要
• Abstract
• 绪论
• 第一章 数据挖掘理论研究
• 1.1 数据挖掘的定义
• 1.2 数据挖掘的数据来源
• 1.3 数据挖掘的分类与方法
• 1.3.1 数据挖掘的分类
• 1.3.2 数据挖掘的方法
• 1.4 数据挖掘的过程
• 1.5 数据挖掘的应用研究
• 1.5.1 数据挖掘在行业中的应用
• 1.5.2 数据挖掘带来的效益
• 本章小结
• 第二章 关联规则研究
• 2.1 关联规则的基本概念
• 2.1.1 问题描述和基本概念
• 2.1.2 关联规则的种类
• 2.1.3 关联规则的主要任务
• 2.2 关联规则挖掘典型算法
• 2.3 关联规则挖掘的研究现状
• 2.4 进一步研究的方向
• 本章小结
• 第三章 一种新的挖掘算法VipApriori
• 3.1 FSC 问题研究
• 3.2 Apriori 算法的研究
• 3.2.1 Apriori 算法基本思想
• 3.2.2 Apriori 算法描述
• 3.2.3 Apriori 算法存在的缺陷
• 3.2.4 Apriori 算法现有的改进
• 3.3 一种改进的 VipApriori 算法
• 3.3.1 最大频繁项集
• 3.3.2 改进VipApriori 算法的思想
• 3.3.3 改进VipApriori 算法的描述
• 3.3.4 VipApriori 算法的步骤
• 3.3.5 改进算法流程图
• 3.3.6 改进算法实现
• 3.4 VipApriori 算法实例分析与性能比较
• 3.4.1 VipApriori 算法实例分析
• 3.4.2 空间占用情况分析
• 3.4.3 时间复杂度分析
• 3.4.4 试验结果对比
• 3.5 改进的算法总结
• 3.5.1 VipApriori 算法的优点
• 3.5.2 算法在实际应用中的作用
• 3.5.3 算法在理论上需要改进的方面
• 3.5.4 算法在实际应用中需要改进的方面
• 本章小结
• 第四章 个性化推荐系统分析与总体设计
• 4.1 系统背景介绍
• 4.1.1 推荐系统依附的教学平台说明
• 4.1.2 个性化推荐系统研究现状
• 4.1.3 关联规规则在推荐系统中的应用
• 4.2 开发环境、工具以及相关技术
• 4.2.1 开发环境与工具
• 4.2.2 相关技术
• 4.3 个性化推荐系统总体设计
• 4.4.1 个性化推荐技术
• 4.4.2 推荐系统需求分析
• 4.4.3 推荐系统开发模型设计
• 4.4.4 推荐系统功能模块设计
• 本章小结
• 第五章 VipApriori 算法在推荐系统中的应用
• 5.1 个性化智能推荐系统的设计
• 5.1.1 基本思想
• 5.1.2 基本流程描述
• 5.1.3 个性化推荐系统流程图
• 5.2 个性化智能推荐系统的实现
• 5.2.1 数据准备
• 5.2.2 挖掘关联规则
• 5.2.3 规则理解
• 5.3 改进算法在推荐系统中的性能评价
• 5.4 推荐系统进一步的改进方向
• 5.4.1 面临的主要挑战
• 5.4.2 进一步研究方向
• 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的学术论文
• 致谢