基于改进FP-growth的用户兴趣推荐算法的设计与实现

• 作者: 佃松宜 彭浩
• 来源期刊: 微电子学与计算机
• 关键词: 推荐系统 FP-growth 关联规则挖掘 冷启动
• 年，卷（期）: 2020,（2）
• 页码范围: 8-13
• 页数: 6页
• 分类号: TP391.3
• 语种: 中文

摘要

针对一类只有用户浏览频次数据且没有项目评分的推荐系统,提出一种基于FP-Growth(频繁模式增长)改进的关联规则挖掘算法,实现用户兴趣推荐.针对传统的FP-growth进行如下改进:首先,归一化用户浏览频率,以反映用户的兴趣,并添加遗忘因子来跟踪用户兴趣迁移.其次,采用动态支持度过滤非兴趣项目,以提高推荐结果的准确性.此外,在FP-tree中引入项目活跃度作为冷启动问题的可行方案.最后收集762个用户在企业操作系统(EOS)区块链中访问智能合约的记录来测试改进的算法.实验结果表明,该算法在用户兴趣推荐方面表现令人满意.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	佃松宜	四川大学电气信息学院	81	311	8.0	14.0
2	彭浩	四川大学电气信息学院	3	5	1.0	2.0