基于粗糙集的電子商務智能推薦系統(tǒng)研究.pdf

1、粗糙集(Rough Set)理論是波蘭數(shù)學家Pawlak教授于1982年提出的一種能夠定量分析和處理不精確、不一致、不完整信息與知識的數(shù)學工具,常用于處理模糊和不精確的問題.數(shù)據(jù)挖掘即數(shù)據(jù)庫中的知識發(fā)現(xiàn)(Knowledgc Discover Database,KDD),而商業(yè)智能研究中的商業(yè)數(shù)據(jù)挖掘,是一個從數(shù)據(jù)庫中抽取對商業(yè)零售企業(yè)進銷存等具有潛在應用價值的隱含信息的過程。使用粗糙集數(shù)據(jù)挖掘系統(tǒng)(RSDMS)進行數(shù)據(jù)預處理,消去冗余屬

2、性,抽取決策規(guī)則,可以在不影響決策效能的前提下精簡屬性集。將SQL運用于求信息熵的約簡過程當中,相關約簡算法可以通過縮短執(zhí)行時間來提高其效率。頻繁項目集發(fā)現(xiàn)算法是關聯(lián)規(guī)則的主要內(nèi)容之一,本論文在文獻[44]的基礎上提出了一種Apriori改進算法,在提出的矩陣基礎上我們可以方便地得到各個項集的支持度計數(shù),而不需要像Apriori算法那樣頻繁地掃描事務數(shù)據(jù)庫,減少了掃描事務數(shù)據(jù)庫的次數(shù),也不需要像參考文獻[44]當中的算法那樣得出各個項集

3、對應的子矩陣,降低了算法的復雜度。本論文在總結前人研究成果的基礎上,針對粗糙集的屬性約簡算法及其應用、商業(yè)數(shù)據(jù)挖掘、電子商務智能推薦等方面進行了研究,主要內(nèi)容歸納如下:
　　 (1)對粗糙集的基本理論知識進行了總體研究,詳細介紹了粗糙集的發(fā)展歷程及其國內(nèi)外現(xiàn)狀,分析了粗糙集的屬性約簡算法,并在精簡條件屬性集的基礎上運用基于SQL的屬性約簡算法對其進行了改進。
　　 (2)對數(shù)據(jù)挖掘以及商業(yè)數(shù)據(jù)挖掘的基本理論及其應用、應用

4、中存在的問題等做了介紹,針對數(shù)據(jù)的離散化、完備化等問題進行了分析研究,在相關文獻的基礎上提出了一種Apriori改進算法。
　　 (3)介紹了電子商務的發(fā)展歷程及其國內(nèi)外現(xiàn)狀,分析了電子商務的流程及其在運行過程中應該注意的問題,并對電子商務智能推薦系統(tǒng)進行了研究。
　　 (4)對電子商務網(wǎng)站的相關數(shù)據(jù)進行分析處理,利用改進的粗糙集屬性約簡算法及Apriori改進算法進行數(shù)據(jù)挖掘,將兩種改進算法結合使用作為一種方案運用到推