基于關(guān)聯(lián)規(guī)則的圖書(shū)銷售網(wǎng)站個(gè)性化推薦系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn).pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的快速發(fā)展與普及，人們可以很容易的接觸到互聯(lián)網(wǎng)所提供的海量信息，但是用戶很難從海量的數(shù)據(jù)中找到自己想要找到的信息，而圖書(shū)銷售網(wǎng)站就面臨著一種“在線圖書(shū)館網(wǎng)站有用戶需要的書(shū)，但是用戶卻找不到的情況”的局面。
　　本文對(duì)各種個(gè)性化推薦系統(tǒng)做出了簡(jiǎn)單的介紹，并對(duì)基于關(guān)聯(lián)規(guī)則的個(gè)性化推薦技術(shù)做了深入的探討與研究。本文介紹了基于關(guān)聯(lián)規(guī)則的兩種重要算法，即FP-growth算法與apriori算法，然后對(duì)apriori算法重點(diǎn)做

2、了研究，并根據(jù)圖書(shū)銷售網(wǎng)站的特點(diǎn)，將圖書(shū)分類然后在每個(gè)子類中去應(yīng)用apriori算法，去生成每個(gè)圖書(shū)子類的最大頻繁集。當(dāng)向用戶進(jìn)行推薦的時(shí)候，在每個(gè)子類中去產(chǎn)生推薦的書(shū)籍，然后再將每個(gè)子類的產(chǎn)生的推薦書(shū)籍合并，向用戶進(jìn)行推薦。本文所研究設(shè)計(jì)的圖書(shū)銷售個(gè)性化推薦算法綜合了用戶的圖書(shū)瀏覽事物集與圖書(shū)交易事物集產(chǎn)生推薦書(shū)籍，進(jìn)一步提高了圖書(shū)推薦的準(zhǔn)確性與靈活行。本文以C語(yǔ)言將所提出的圖書(shū)分類推薦的算法進(jìn)行了實(shí)現(xiàn)，數(shù)據(jù)庫(kù)采用mysql數(shù)據(jù)，開(kāi)發(fā)