個性化推薦的關(guān)聯(lián)規(guī)則算法研究.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的快速發(fā)展，“數(shù)據(jù)爆炸”問題越來越顯著，在商業(yè)領(lǐng)域消費者從海量的產(chǎn)品中搜索出自己滿意的商品越來越困難。關(guān)聯(lián)規(guī)則作為個性化推薦中的重要一員，在緩解“數(shù)據(jù)爆炸”問題上具有很好的效果。目前，關(guān)于關(guān)聯(lián)規(guī)則算法的研究內(nèi)容很豐富，但是大部分的研究都集中于提高算法的挖掘效率中。近來年來，也有不少學(xué)者發(fā)現(xiàn)了關(guān)聯(lián)規(guī)則算法會產(chǎn)生大量的規(guī)則結(jié)果，因此部分學(xué)者開始研究如何簡化規(guī)則結(jié)果，但是這些研究工作絕大多數(shù)都忽略了領(lǐng)域知識對于規(guī)則結(jié)果的篩選作用

2、，基于這一點本文對規(guī)則結(jié)果的選擇進(jìn)行了以下幾點研究:
　　首先，論文回顧了個性化推薦的研究現(xiàn)狀，并指出了相應(yīng)的研究難點與研究方向。同時，簡要的介紹了基于內(nèi)容的推薦、基于協(xié)同過濾的推薦、基于知識的推薦以及基于內(nèi)容的推薦，并分析了這幾種算法的工作原理以及相應(yīng)的方法的優(yōu)劣勢，通過對比分析得出這幾種算法的優(yōu)劣勢有明顯的互補傾向，從而論文得出將多種算法混合求解最優(yōu)的推薦結(jié)果的啟發(fā)。
　　其次，論文對當(dāng)前研究工作的總結(jié)后，分析了關(guān)聯(lián)規(guī)則

3、算法研究的熱點以及難點，提出了規(guī)則算法效率低的問題是無法避免的，只有根據(jù)實際情況盡量的降低這一缺陷，同時還分析了規(guī)則結(jié)果數(shù)量大、價值低、存儲雜亂的問題。當(dāng)前的研究工作都是從算法內(nèi)部做改進(jìn)，提高規(guī)則結(jié)果的利用效率，而實際上領(lǐng)域知識對于規(guī)則的使用具有重要的作用，但是這些知識常常被忽略了，鑒于此引出了本文對規(guī)則結(jié)果處理的新方法。
　　本文提出了規(guī)則結(jié)果處理的新方法，即一種基于聚類的規(guī)則結(jié)果篩選方法，文中以一種改進(jìn)的距離度量方法對規(guī)則結(jié)果

4、進(jìn)行聚類，并以基于領(lǐng)域知識的時效度和新穎度指標(biāo)對聚類后的規(guī)則進(jìn)行篩選，保留其中價值高的規(guī)則。同時還提出了一種基于協(xié)同過濾思維的規(guī)則結(jié)果選取問題的解決方案ARCUR，該算法通過用戶評分這一領(lǐng)域知識對規(guī)則結(jié)果進(jìn)行二次挖掘，并以實驗證明了算法的有效性，成功解決了多種規(guī)則支持度——置信度指標(biāo)無法解決的規(guī)則選取問題。
　　最后，對論文的總結(jié)中可以發(fā)現(xiàn)文中的算法有很多都涉及到了多種參數(shù)，這些參數(shù)值的設(shè)定很大程度上是需要結(jié)合實踐經(jīng)驗才能使得推薦