没有合适的资源?快使用搜索试试~ 我知道了~
基于数据挖掘的Apriori算法().pdf
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 43 浏览量
2023-06-13
23:27:00
上传
评论
收藏 1.74MB PDF 举报
温馨提示
试读
48页
基于数据挖掘的Apriori算法().pdf
资源推荐
资源详情
资源评论
基于关联规则的个性化推荐系统
摘要
现今随着网络迅速地发展,信息量的快速膨胀,各种数据量变的庞大且分散,用
户利用传统关键词检索搜寻数据的方式变得相当费时且不容易聚焦。因此,为了要降
低使用户在网络上的搜寻时间,提供用户更适切的内容信息,自动化推荐系统
(Automatic Recommender System)便应运而生,也越来越受到重视与青睐。
自动化推荐系统有许多种不同的推荐方式,如 content-based,filtering-based
等。本研究主要针对应用在 B2C 网上商城上的个性化推荐系统,探讨如何有效地运用
数据挖掘的技术从大量的数据库中挖掘出完整知识,以推荐适当的信息给使用者,帮
助人们在浩大的信息流中找到他们真正需要、有用的商品信息。
本文特别选择了在 B2C 电子商务领域具有代表性的网上商城网站作为个性化推荐
系统的研究对象。在分析该类网站特点的基础上,对不同的推荐技术进行了详细的比
较。着重分析了当前流行的基于内容、基于效用、基于用户信息、关联规则、协同过
滤这几种推荐技术对于 B2C 网上商城网站的适用性。在此基础上,提出了适用于该类
网站的个性化推荐系统总体技术方案、系统结构和工具实现方法。在系统实现方面本
文不但给出了对交易数据进行清洗的一半策略和方法,而且针对传统关联规则挖掘算
法的不足,提出了基于数据分块的 Apriori 改进算法。最后本文分析了基于关联规则
的个性化推荐系统在实际使用过程中的不足,提出了特别针对 B2C 网上商城网站的解
决方案。
关键词: 自动化推荐系统,数据挖掘,关联规则,电子商务
Abstract
Nowadays, with the rapid development of network, expansion of information is fast.
A large number of handwritten documents are fleetly being converted into electronic forms.
Varieties of data become huge and scattered. Using traditional keyword to search the data
is more and more time-consuming and not easy to focus. Therefore, in order to reduce
users’ search time on the network and provide them more appropriate information, the
automatic recommender system emerges as required, and also purchases increasingly
attention and favor.
The recommender system has been studied in many categories, such as
content-based, filtering-based, etc. Aim at the online recommendation system applied on
network, this study mainly discusses how effectively use data mining techniques to mine
the complete knowledge from a large number of databases, then recommend the
appropriate information to users to help them to find really needed and useful documents
or information in the vast flow of information.
This thesis particularly chooses shop market sales B2C E-commerce website as a
respective study object. Firstly, we analyzed the characteristics of different personalized
reconnendation technology. On the base of this analysis, thesis designed a recommendation
system that suits for shop market salses B2C E-commerce website. Secondly, as for
traditional Association Rule-based Recommendation algorithm’s shorttage, thesis utilized
data partition comception and ‘Apriori’ gained an efficient Association Rule-based
algorithm. Using this algotithm we can mine customers’ trade data and provide them
personalized recommendation. Finally, thesis summarized the limitations of Association
Rule-based Tecommendation and presents some suggestion that may solve these problems.
Keywords:Automatic inquiry ; PowerBuilder ; Fixed-point transfer ; Information of
railway
目 录
第一章 绪论 ……………………………………………………………………… 1
1.1 系统开发背景 ……………………………………………………………… 1
1.2 系统研究目的和意义 ……………………………………………………… 1
1.3 研究内容和组织结构 ……………………………………………………… 2
第二章 电子商务个性化推荐关键技术 …………………………………………… 4
2.1 信息检索 …………………………………………………………………… 4
2.2 信息过滤 …………………………………………………………………… 4
2.3 自动化推荐系统 …………………………………………………………… 4
2.3.1 基于内容的推荐方式 ……………………………………………… 5
2.3.2 合作过滤的推荐方式 ……………………………………………… 5
2.3.3 推荐技术的分类 …………………………………………………… 6
2.4 数据挖掘(Data Mining)概述 ………………………………………………7
2.4.1 数据挖掘的发展历史 ……………………………………………… 7
2.4.2 数据挖掘的方法 …………………………………………………… 8
2.4.3 数据挖掘的研究领域 ……………………………………………… 11
2.5 B2C 网上商城网站推荐技术的选择 ……………………………………… 13
2.5.1 基于内容推荐 ……………………………………………………… 13
2.5.2 基于用户推荐信息的推荐 ………………………………………… 13
2.5.3 基于知识和效用的推荐 …………………………………………… 14
2.5.4 协同过滤和关联规则 ……………………………………………… 14
第三章 基于关联规则的个性化推荐系统设计…………………………………… 14
3.1 引言 ………………………………………………………………………… 14
3.2 关联规则的基本概念 ……………………………………………………… 15
3.2.1 基于概念和问题描述 ……………………………………………… 15
3.2.2 关联规则的总类 …………………………………………………… 16
3.3 关联规则挖掘的算法 ……………………………………………………… 17
3.3.1 核心算法…………………………………………………………… 17
3.4 在线自动化推荐机制…………………………………………………………20
第四章 利用挖掘的关联规则实现个性化推荐 …………………………………… 23
4.1 基于 Apriori 算法的推荐系统 …………………………………………… 23
4.2 Apriori 算法的 Java 实现 ………………………………………………… 26
4.3 推荐系统功能演示 ………………………………………………………… 37
第五章 工作总结和展望 …………………………………………………………… 43
5.1 总结 ………………………………………………………………………… 43
5.2 展望 ………………………………………………………………………… 43
参考文献 ………………………………………………………………………………44
鸣谢 ……………………………………………………………………………………45
第 1 章 绪论
1.1 系统开发背景
随着电子信息技术、网络技术、Internet 技术的发展,人们的生产和生活方式发生
了革命性的变化。电子信息技术使存储和处理海量的信息称为可能:网络技术又使这
些信息的存储和处理可以分布到不同的信息系统中,从而大大提高了信息的存储数量、
共享程度和信息的处理速度;而 Internet 的法杖则使这一趋势从一个小的区域中扩展
到整个地球。
目前这些技术现在已经渗透到人们的学习、工作和生活的各个领域之中,人们可
以不受时间、空间的限制,快捷、便利、高效的得到各种信息服务。以前破费周折的
事情我们现在通过轻点鼠标就可以办到,比如获悉世界各地的新闻、收发邮件、资料
查询、办理银行业务、股票买卖、公交交换等,甚至像上课、开会、组织生产这一的
复杂活动也可以通过信息系统和网络进行。正是在这样的背景下一种新型、高效的商
务模式应运而生,那就是电子商务。电子商务指交易当事人或参与人利用现代信息技
术和计算机网络所进行的各类商务活动,包括货物贸易、服务贸易和知识产权贸易。
电子商务在充分利用信息技术和 Internet 的基础上将人类传统的商务活动推到了一
个前所未有的高度。根据业务主体的不同我们又把电子商务分为 B2B、B2C 以及 C2C
这三种模式,其中 B(Bussiness)代表商业提供商或用户,C(Customer)代表个人提供
者或用户。也就是说各种的市场主体和消费主体都可以通过电子商务实现它们的商务
活动。自 1999 年以来电子商务在全球范围内得到了快速发展。
电子商务的快速发展一方面极大提高了人类商务活动的效率,另一方面又带来了
信息过载的问题。与传统的商务模式相比,用户现在可以了解到的商品、服务信息成
指数倍增长,有书籍,研究论文,网络交流论坛,个人网站等等,用户通过互联网了
解所有种类的信息几乎是不可能的,然而他们必须需要花费越来越多的时间,从大量
的信息流中剔除过滤掉不相关的资源,检索到对自己有价值的信息。由于信息量的不
断增大,这个检索的过程将会越来越烦琐。
1.2 系统研究目的和意义
推荐系统(Recommender System)作为解决这类问题的方法之一,已被广泛的应用
于电子商务网站中,通过建议商品和提供信息的方式帮助浏览者决定哪些商品需要购
买。基于网站总交易记录中商品的销售量推荐商品。或者,基于对所有消费者以往的
购买行为的分析,来进行推荐。被推荐的信息类型包括给用户建议合适的商品、提供
个性化的商品信息和总结商品的群体反馈信息等等。
因此,推荐系统可以通过以下三种途径对电子商务进行改善。
1. 将浏览者转变成购买者。
浏览者进入一个网站常常只是浏览商品而不购买任何东西。推荐系统可以基于浏
览者的兴趣和属性帮助他们寻找商品。这样,浏览者就很容易被转变成购买者。
2. 增加交叉销售
推荐系统通过推荐相关的或相近的额外商品给浏览者来提高交叉销售。而且,这
样可以增加平均订购量。例如,在结算的过程中,网站可以基于那些已经在购物车中
的商品将额外商品推荐给购买者。从而,激发购买者的购物需求。
3. 建立忠诚度
推荐系统通过获取网站和消费者之间的一个有值的关系来提高忠诚度。网站通过
分析了解它们的购买者,提供给购买者所需的相应的个性化服务,从而获得较好的关
系。购买者再将他们已获得所需商品的信息反馈给网站。购买者与网站之间的交易越
多,那么就体现购买者对该网站的忠诚度越高。
推荐系统有多种分类,包括基于内容的、基于过滤的等等。然而,推荐系统的许
多进程都是手工创建的,例如手工创建交叉销售列表。然而,包含实时信息的在线推
荐进程通常是比较匮乏的。
目前,在电子商务领域中,自动推荐系统也已明确采用了交互式电子商务的实
时个性化特点。它是专业的数据挖掘系统的一种,能为用户提供实时的个性化信息。
主要方法是用人工智能工具挖掘网站交易数据,从而用于识别、预测及了解消费者的
购买习惯,挖掘出客户的喜好信息,使系统与消费者的互动得到了优化,从而有效地
提高交易效率。因此,数据挖掘是一个影响电子商务长期成功的关键过程。
1.3 研究内容和组织结构
随着网络信息量的日趋膨胀,用户在有限的时间里搜索到有价值的信息变得更加
不易。因此自动化推荐系统的个性化推荐功能变得尤为重要。本研究为电子商务网上
商城网站提供了一种自动化个性推荐机制。
为了给每个用户提供不同的个性化信息,需要收集用户属性和相关交易数据。数
据挖掘(Data Mining)技术可用于挖掘用户组知识信息和个性化需求。因此,在应用领
域中,本研究的目标是:建立一个个性化推荐系统,使用 Web 界面展示为用户定身
量制的个性化推荐信息并以友好的方式呈现给用户。
剩余47页未读,继续阅读
资源评论
oligaga
- 粉丝: 50
- 资源: 2万+
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功