基于 FP－growth算法的数据挖掘实例研究

• 作者: 刘亚林 柯新生
• 来源期刊: 物流工程与管理
• 学科: 地球科学
• 关键词: 数据挖掘 FP-growth 关联规则 音乐推荐
• 年，卷（期）: 2015,（5）
• 页码范围: 216-219,167
• 页数: 5页
• 分类号: P413
• 字数: 4837字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-4993.2015.05.079

摘要

关联规则挖掘算法致力于发现隐藏在海量数据中的有趣联系，被广泛应用在金融、生物、商业、医学等领域，FP－growth算法是其中的经典算法，只需扫描两遍数据库，可以压缩被搜索数据集的大小，能够适应不同长度的规则。文中分析了FP－growth算法的执行步骤并将其应用于预处理的音乐数据，结合用户属性挖掘出符合用户需求的精准数据和规则并进行音乐推荐和广告推送。实验表明FP－growth算法的运行时间比Apriori算法大约少了一个数量级，且在音乐推荐方面具有可行性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	柯新生	北京交通大学经济管理学院	17	50	4.0	6.0
2	刘亚林	北京交通大学经济管理学院	1	2	1.0	1.0