Multi-Agent和關(guān)聯(lián)規(guī)則挖掘的應(yīng)用研究.pdf

1、關(guān)聯(lián)規(guī)則挖掘是數(shù)據(jù)挖掘中成熟的技術(shù)之一，在商業(yè)管理、政府辦公、科學(xué)研究和工程開(kāi)發(fā)中得到了廣泛應(yīng)用。但其處理的目標(biāo)常常是大規(guī)模的數(shù)據(jù)集，處理的是異構(gòu)類型數(shù)據(jù)，另外考慮到數(shù)據(jù)挖掘的安全性、容錯(cuò)性等問(wèn)題，為此迫切需要一種手段能夠智能地、有效地、安全地挖掘出事務(wù)數(shù)據(jù)間有趣的關(guān)聯(lián)規(guī)則。而分布式人工智能的前沿技術(shù)Multi-Agent具有高度智能化、易于構(gòu)造分布式系統(tǒng)和軟件復(fù)用性強(qiáng)等優(yōu)點(diǎn)，這為關(guān)聯(lián)規(guī)則挖掘提供了強(qiáng)有力支持。本文介紹了關(guān)聯(lián)規(guī)則挖掘技術(shù)

2、和Multi-Agent技術(shù)，并把它們應(yīng)用到一個(gè)行為推薦原型系統(tǒng)當(dāng)中，設(shè)計(jì)了一個(gè)基于Multi-Agent和關(guān)聯(lián)規(guī)則挖掘的ARSM系統(tǒng)（The Action Recommendation Prototype System for User Based on Multi-Agent and Association Rule Mining），并將其應(yīng)用到Web訪問(wèn)上。本文的主要工作如下： 利用已存在的BFP-Miner算法中改進(jìn)的F

3、P-Tree構(gòu)造方法和基于位對(duì)象的頻繁k-項(xiàng)集挖掘方法挖掘包含頻繁k-項(xiàng)集的頻繁（k+1）-項(xiàng)集，再根據(jù)最小置信度產(chǎn)生強(qiáng)關(guān)聯(lián)規(guī)則。在ARSM系統(tǒng)中，將此產(chǎn)生強(qiáng)關(guān)聯(lián)規(guī)則的方法應(yīng)用于對(duì)用戶行為日志進(jìn)行挖掘，以產(chǎn)生行為推薦。 通過(guò)對(duì)系統(tǒng)推薦任務(wù)的規(guī)劃和分解，設(shè)計(jì)了ARSM系統(tǒng)。ARSM系統(tǒng)由UserAgent、DProAgent、ARAgent和Action Log Data Base四部分組成，其中ARAgent負(fù)責(zé)管理Databa

4、seProcessAgent、BFPTreeMinerAgent和ARMAgent三個(gè)Agent。為實(shí)現(xiàn)每個(gè)Agent所具備的功能，設(shè)計(jì)了Agent的模型和結(jié)構(gòu)、說(shuō)明了Agent的工作流程及控制算法、定義了每個(gè)Agent具備的技能。通過(guò)Multi-Agent環(huán)境下Agent之間交互細(xì)節(jié)的分析，給出了ARSM系統(tǒng)中Multi-Agent的管理結(jié)構(gòu)圖。 把ARSM系統(tǒng)應(yīng)用到Web訪問(wèn)上，為Web訪問(wèn)者進(jìn)行行為推薦。實(shí)驗(yàn)中采用了來(lái)自于