關(guān)聯(lián)分類算法及其在電子商務(wù)推薦系統(tǒng)中的應(yīng)用研究.pdf

1、分類和關(guān)聯(lián)規(guī)則挖掘是數(shù)據(jù)挖掘領(lǐng)域的兩個重要研究方向，二者都已經(jīng)取得了比較完善的研究成果。關(guān)聯(lián)分類作為一個較新的數(shù)據(jù)挖掘課題使用關(guān)聯(lián)規(guī)則挖掘構(gòu)建分類系統(tǒng)。關(guān)聯(lián)分類算法使用規(guī)則發(fā)現(xiàn)方法從分類數(shù)據(jù)集中抽取分類規(guī)則，并通過一定的剪枝手段對規(guī)則進行剪枝，然后按照一定的規(guī)則形成分類器。
　　 由于挖掘出了數(shù)據(jù)屬性和類標簽之間的強關(guān)聯(lián)，關(guān)聯(lián)分類器往往可以達到很高的分類精確度。然而，在規(guī)則產(chǎn)生階段，關(guān)聯(lián)分類算法會產(chǎn)生大量的規(guī)則，在對規(guī)則的處理過

2、程中，算法會需要極大的系統(tǒng)開銷。因此，小規(guī)模的規(guī)則集以及有效的規(guī)則剪枝方法對于關(guān)聯(lián)分類算法十分必要。本文提出的基于ECLAT的關(guān)聯(lián)分類算法結(jié)合了壓縮規(guī)則集的性質(zhì)和ECLAT方法自身的特點，在挖掘類關(guān)聯(lián)規(guī)則的同時引入剪枝策略，在產(chǎn)生規(guī)則的過程中對新產(chǎn)生的規(guī)則項進行置信度檢測，及時刪除冗余的規(guī)則和等價類，然后再對產(chǎn)生的規(guī)則集進行覆蓋剪枝。實驗表明，這種方式可以在極大地壓縮初始規(guī)則集的規(guī)則數(shù)量，極大地縮短了算法運行時間并且降低了系統(tǒng)開銷。

3、r>　　 在關(guān)聯(lián)規(guī)則挖掘和關(guān)聯(lián)分類算法中，興趣度被引入用來提取規(guī)則以降低規(guī)則的數(shù)量。本文對目前比較常見的興趣度進行了總結(jié)，并通過實驗比較了不同興趣度對于不同數(shù)據(jù)集的分類效果。實驗結(jié)果表明興趣度可減少規(guī)則的數(shù)量但沒有一個興趣度對于所有數(shù)據(jù)集都能夠達到最優(yōu)的分類效果。
　　 最后，本文將關(guān)聯(lián)分類應(yīng)用于電子商務(wù)推薦系統(tǒng)中。在P2P站點北洋園PT中，推薦算法使用關(guān)聯(lián)分類技術(shù)，從用戶的下載記錄中學(xué)習(xí)分類模型，構(gòu)建關(guān)聯(lián)分類器，并將生成的關(guān)