基于增强关联规则挖掘的大型网站推荐系统

• 作者: 吴树荣 肖倩 邹裕
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 关联规则 推荐系统 实时性 会话计数器 推荐引擎
• 年，卷（期）: 2016,（10）
• 所属期刊栏目: 网络与通信
• 页码范围: 30-34,39
• 页数: 6页
• 分类号: TP301
• 字数: 4844字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2016.10.007

摘要

针对大型网络中基于内容的推荐系统延迟较高、推荐满意度较低的问题，提出一种基于增强关联规则挖掘算法的高性能推荐系统。首先，通过消除会话中出现频率较低的内容将数据库最小化处理；然后，为每个会话引入相关的计数器，使用该计数器统计相应会话的重复次数，代替传统推荐系统对重复会话的直接聚类，该改进策略不仅提高了推荐的时间效率，而且增强了推荐引擎的扩展能力。基于真实数据的实验结果表明，本推荐系统具有较高的实时性与较高的推荐准确率。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	肖倩	东莞理工学院计算机学院	9	63	3.0	7.0
2	吴树荣	东莞理工学院计算机学院	3	8	1.0	2.0
3	邹裕	东莞理工学院计算机学院	12	29	3.0	5.0