關(guān)聯(lián)規(guī)則算法及其在網(wǎng)絡(luò)書(shū)店系統(tǒng)中的應(yīng)用.pdf

1、電子商務(wù)是經(jīng)營(yíng)方式創(chuàng)新的結(jié)果，而隨著Internet的飛速發(fā)展，千篇一律的電子商務(wù)模式已經(jīng)不能適應(yīng)信息時(shí)代的需要。個(gè)性化的產(chǎn)品，個(gè)性化的服務(wù)逐漸成為電子商務(wù)的發(fā)展趨勢(shì)之一。數(shù)據(jù)挖掘就是從大量數(shù)據(jù)中提取和挖掘知識(shí)，故又稱為數(shù)據(jù)庫(kù)知識(shí)發(fā)現(xiàn)。個(gè)性化推薦是實(shí)現(xiàn)個(gè)性化服務(wù)的技術(shù)手段，其中的基于規(guī)則推薦較多應(yīng)用于電子商務(wù)網(wǎng)站，基于規(guī)則的推薦是指根據(jù)已經(jīng)生成的規(guī)則向用戶推薦信息的方式，根據(jù)用戶瀏覽和購(gòu)買(mǎi)的日志生成規(guī)則，向用戶推薦感興趣的商品。關(guān)聯(lián)規(guī)則

2、是基于規(guī)則推薦中應(yīng)用比較廣泛的一種模式，在很多情況下，用戶關(guān)心的只是關(guān)聯(lián)規(guī)則的一個(gè)子集，因此人們引入了約束關(guān)聯(lián)規(guī)則的概念。 本文對(duì)關(guān)聯(lián)規(guī)則和約束關(guān)聯(lián)規(guī)則挖掘算法進(jìn)行了研究和分析，J.Pei和J.Han等人提出的H-Mine算法克服了Apriori-Like類型的候選集算法產(chǎn)生過(guò)多的候選集，并且需要對(duì)交易數(shù)據(jù)庫(kù)進(jìn)行多次掃描的固有缺點(diǎn)，提高了效率；同時(shí)采用了劃分技術(shù)也盡量避免了FP-Growth模式增長(zhǎng)挖掘算法需要大存儲(chǔ)空間的缺點(diǎn)。

3、H-Mine算法對(duì)低支持度、長(zhǎng)模式的關(guān)聯(lián)規(guī)則非常適合，但是他們并沒(méi)有將約束引入挖掘過(guò)程。本文將項(xiàng)目約束引入H-Mine算法的過(guò)程中，給出了基于H-Mine的Con-H-Mine項(xiàng)目約束算法(Constraint-basedHyper-StructureMining)，采用模式增長(zhǎng)的方法不產(chǎn)生候選集，僅需掃描兩遍數(shù)據(jù)庫(kù)；采用Con-H-Struct(Constraint-basedHyper-Structure)結(jié)構(gòu)存儲(chǔ)數(shù)據(jù)集合，減少了空