支持推荐非空率的关联规则推荐算法

• 作者: 何明 刘伟世 张江
• 来源期刊: 通信学报
• 学科: 工学
• 关键词: 关联规则 推荐系统 推荐非空率 数据挖掘
• 年，卷（期）: 2017,（10）
• 所属期刊栏目: 学术论文
• 页码范围: 18-25
• 页数: 8页
• 分类号: TP319
• 字数: 7007字
• 语种: 中文
• DOI: 10.11959/j.issn.1000-436x.2017160

摘要

现有的关联规则推荐技术在数据提取时主要侧重于关联规则的提取效率,缺乏对冷、热门数据推荐平衡性的考虑和有效处理.为了提高个性化推荐效率和推荐质量,平衡冷门与热门数据推荐权重,对关联规则的Apriori算法频繁项集挖掘问题进行了重新评估和分析,定义了新的测评指标推荐非空率以及k前项频繁项集关联规则的概念,设计了基于k前项频繁项集的剪枝方法,提出了优化Apriori算法且适合不同测评标准值的k前项频繁项集挖掘算法,降低频繁项集提取的时间复杂度.理论分析比较与实验表明,k前项剪枝方法提高了频繁项集的提取效率,拥有较高的推荐非空率、调和平均值和推荐准确率,有效地平衡了冷、热门数据的推荐权重.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何明	北京工业大学信息学部计算机学院	21	333	9.0	18.0
2	刘伟世	北京工业大学信息学部计算机学院	4	52	3.0	4.0
3	张江	国网英大国际控股集团有限公司信息化工作部	2	10	1.0	2.0