關(guān)聯(lián)規(guī)則算法研究及其在汽車銷售網(wǎng)站的應(yīng)用.pdf

1、隨著Intemet的飛速發(fā)展，網(wǎng)絡(luò)已經(jīng)成為人們獲取信息的一個(gè)重要途徑，用戶對(duì)Web站點(diǎn)的要求也越來(lái)越高。這種要求體現(xiàn)在網(wǎng)站的設(shè)計(jì)是否隨用戶的興趣而有針對(duì)性地改變，這就引出了“個(gè)性化”這個(gè)研究課題。在網(wǎng)站的設(shè)計(jì)實(shí)現(xiàn)過(guò)程中，如果能夠根據(jù)用戶的訪問(wèn)興趣進(jìn)行個(gè)性化推薦，就可以更加有針對(duì)性的滿足用戶的需求，贏得用戶的青睞。根據(jù)數(shù)據(jù)挖掘思想和Web數(shù)據(jù)挖掘技術(shù)，通過(guò)發(fā)現(xiàn)隱藏在數(shù)據(jù)中的用戶行為模式，可以有效的實(shí)現(xiàn)網(wǎng)頁(yè)的個(gè)性化推薦。 本文在分析

2、數(shù)據(jù)挖掘中關(guān)聯(lián)規(guī)則理論的基礎(chǔ)上，對(duì)關(guān)聯(lián)規(guī)則挖掘算法進(jìn)行了研究，F(xiàn)P-growth算法對(duì)不同長(zhǎng)度的規(guī)則都有很好的適應(yīng)性，同時(shí)在效率上較Apriori算法有很大的提高。但FP-growth算法是通過(guò)逐步生成條件模式基和條件頻繁模式樹(shù)來(lái)挖掘頻繁項(xiàng)集，因而影響了頻繁項(xiàng)集的挖掘效率。結(jié)合個(gè)性化推薦中關(guān)聯(lián)規(guī)則的性質(zhì)和特點(diǎn)，給出一種適合頁(yè)面推薦的IFST算法，該算法在FP-growth算法初始FP-Tree結(jié)構(gòu)的基礎(chǔ)上，采用IFreq-Set-Tre

3、e結(jié)構(gòu)存儲(chǔ)頻繁項(xiàng)集，生成前項(xiàng)為i-size(1