采用數(shù)據(jù)挖掘技術(shù)的自動(dòng)化推薦系統(tǒng)的研究.pdf

1、隨著網(wǎng)絡(luò)迅速地發(fā)展，信息量快速膨脹，各種數(shù)據(jù)量變得龐大且分散，用戶利用傳統(tǒng)關(guān)鍵詞檢索搜尋數(shù)據(jù)的方式變得相當(dāng)費(fèi)時(shí)。為了要降低用戶在網(wǎng)絡(luò)上的搜尋時(shí)間，提供用戶更確切的內(nèi)容信息，自動(dòng)化推薦系統(tǒng)(Automatic Recommender System)應(yīng)運(yùn)而生，也越來(lái)越受到研究者的重視和相關(guān)企業(yè)的青睞。
　　 本研究主要針對(duì)在線自動(dòng)化推薦系統(tǒng)的需求，探討如何有效地運(yùn)用數(shù)據(jù)挖掘的技術(shù)從用戶訪問(wèn)記錄中挖掘出用戶的喜好，然后根據(jù)合適的推薦機(jī)

2、制和算法，把最適合用戶的內(nèi)容推薦給用戶，以此幫助人們?cè)诤拼蟮男畔⒘髦姓业剿麄冋嬲枰奈募蛐畔ⅰ?br>　　 本研究將人工神經(jīng)網(wǎng)絡(luò)中的自適應(yīng)共振理論(簡(jiǎn)稱ART)和數(shù)據(jù)挖掘技術(shù)結(jié)合起來(lái)，建構(gòu)了一個(gè)可自動(dòng)聚類族群特征且能挖掘出關(guān)聯(lián)規(guī)則的自動(dòng)化在線推薦機(jī)制。并針對(duì)推薦系統(tǒng)的特性，考慮到用戶屬性權(quán)重的問(wèn)題，將用于用戶聚類的ART算法進(jìn)行改進(jìn)，提出了MART聚類算法，使推薦系統(tǒng)可以根據(jù)用戶屬性的重要性來(lái)設(shè)置每一個(gè)屬性節(jié)點(diǎn)的權(quán)重值，并用實(shí)例驗(yàn)

3、證了MART算法與傳統(tǒng)的ART算法相比，能夠得到更為合理和靈活的聚類結(jié)果。
　　 為驗(yàn)證本論文提出的算法的有效性，論文以圖書(shū)推薦為例，將該自動(dòng)化聚類算法應(yīng)用到一個(gè)以用戶為導(dǎo)向的自動(dòng)化圖書(shū)推薦系統(tǒng)中。該圖書(shū)推薦系統(tǒng)首先使用MART算法根據(jù)用戶屬性信息產(chǎn)生用戶聚類，由此得出每個(gè)用戶的類型，存入知識(shí)庫(kù)。然后使用Apriori算法挖掘出用戶類型與圖書(shū)之間，以及圖書(shū)與圖書(shū)之間的強(qiáng)關(guān)聯(lián)規(guī)則，即每個(gè)用戶類型的圖書(shū)推薦規(guī)則，也同樣存入知識(shí)庫(kù)。當(dāng)