關聯(lián)規(guī)則算法研究及其在汽車銷售網(wǎng)站的應用.pdf

1、隨著Intemet的飛速發(fā)展，網(wǎng)絡已經(jīng)成為人們獲取信息的一個重要途徑，用戶對Web站點的要求也越來越高。這種要求體現(xiàn)在網(wǎng)站的設計是否隨用戶的興趣而有針對性地改變，這就引出了“個性化”這個研究課題。在網(wǎng)站的設計實現(xiàn)過程中，如果能夠根據(jù)用戶的訪問興趣進行個性化推薦，就可以更加有針對性的滿足用戶的需求，贏得用戶的青睞。根據(jù)數(shù)據(jù)挖掘思想和Web數(shù)據(jù)挖掘技術，通過發(fā)現(xiàn)隱藏在數(shù)據(jù)中的用戶行為模式，可以有效的實現(xiàn)網(wǎng)頁的個性化推薦。 本文在分析

2、數(shù)據(jù)挖掘中關聯(lián)規(guī)則理論的基礎上，對關聯(lián)規(guī)則挖掘算法進行了研究，F(xiàn)P-growth算法對不同長度的規(guī)則都有很好的適應性，同時在效率上較Apriori算法有很大的提高。但FP-growth算法是通過逐步生成條件模式基和條件頻繁模式樹來挖掘頻繁項集，因而影響了頻繁項集的挖掘效率。結合個性化推薦中關聯(lián)規(guī)則的性質和特點，給出一種適合頁面推薦的IFST算法，該算法在FP-growth算法初始FP-Tree結構的基礎上，采用IFreq-Set-Tre

3、e結構存儲頻繁項集，生成前項為i-size(1