基于模糊概念格的影視個(gè)性化推薦研究.pdf

1、形式概念分析是德國數(shù)學(xué)家Wille教授于1982年提出的。經(jīng)過三十年的發(fā)展，已經(jīng)應(yīng)用于多個(gè)領(lǐng)域，如知識(shí)發(fā)現(xiàn)、機(jī)器學(xué)習(xí)等。形式概念分析的核心數(shù)據(jù)結(jié)構(gòu)是概念格，因此其應(yīng)用的核心就是構(gòu)建概念格。論文在前人的成果的基礎(chǔ)上，對(duì)一種漸進(jìn)式概念格生成算法進(jìn)行了改進(jìn)，理論和實(shí)驗(yàn)都證明改進(jìn)措施提高了算法的速度。論文還改進(jìn)了概念格上關(guān)聯(lián)規(guī)則挖掘算法，并將此算法應(yīng)用到個(gè)性化推薦系統(tǒng)中。論文的主要內(nèi)容歸納如下:
　　 (1)簡(jiǎn)要介紹了文中用的一些基本知

2、識(shí)，包括數(shù)據(jù)挖掘、個(gè)性化推薦、模糊概念格以及關(guān)聯(lián)規(guī)則的基本概念，關(guān)聯(lián)規(guī)則的主要算法——Apriori算法和FP-Growth算法——的基本思想等。
　　 (2)改進(jìn)了一種漸進(jìn)式概念格生成算法，并將其推廣到模糊概念格的構(gòu)建上。原來的概念格生成算法通過遍歷索引樹來遍歷概念格，在遍歷概念格過程中漸進(jìn)式生成新概念格。論文對(duì)遍歷索引樹的過程進(jìn)行了優(yōu)化改進(jìn)。通過仔細(xì)觀察，我們發(fā)現(xiàn)索引樹的遍歷隱含著一種有序性，這種有序性就是詞典序。論文將這種

3、有序性進(jìn)一步發(fā)揮，讓新增對(duì)象的屬性集（字母集合）升序排列，而且給索引樹的每一個(gè)樹節(jié)點(diǎn)設(shè)置一個(gè)unik屬性，unik屬性是用來表示當(dāng)前樹節(jié)點(diǎn)與其父節(jié)點(diǎn)之間的邊特征的。這樣就可以將一部分概念格節(jié)點(diǎn)的類型的判斷轉(zhuǎn)換為字母的大小比較，從而降低了算法的復(fù)雜度，縮小了索引樹遍歷的范圍，減少了冗余的集合操作，優(yōu)化了原來的算法。
　　 (3)在漸進(jìn)式概念格生成算法的基礎(chǔ)上，改進(jìn)了概念格關(guān)聯(lián)規(guī)則挖掘算法。概念格上的關(guān)聯(lián)規(guī)則挖掘是通過概念格的內(nèi)涵縮

4、減實(shí)現(xiàn)的。論文著重介紹了一種概念格的漸進(jìn)式內(nèi)涵縮減算法，并將這種算法融合到前面優(yōu)化改進(jìn)了的漸進(jìn)式概念格生成算法上。優(yōu)化改進(jìn)措施使?jié)u進(jìn)式概念格生成算法變快了，所以融合后的內(nèi)涵縮減算法一定優(yōu)于原來的內(nèi)涵縮減算法。我們的理論分析和實(shí)驗(yàn)都驗(yàn)證了這種算法的優(yōu)越性。與前面的漸進(jìn)式概念格生成算法相比，融合后的內(nèi)涵縮減算法生成的是量化概念格。這種帶有內(nèi)涵縮減集的量化概念格非常適于關(guān)聯(lián)規(guī)則的挖掘。
　　 (4)設(shè)計(jì)實(shí)現(xiàn)了視頻網(wǎng)站上的基于概念格的個(gè)