关联分类算法及其在电子商务推荐系统中的应用研究

发布时间：2017-05-26 18:20

  本文关键词：关联分类算法及其在电子商务推荐系统中的应用研究，，由笔耕文化传播整理发布。

【摘要】：分类和关联规则挖掘是数据挖掘领域的两个重要研究方向,二者都已经取得了比较完善的研究成果。关联分类作为一个较新的数据挖掘课题使用关联规则挖掘构建分类系统。关联分类算法使用规则发现方法从分类数据集中抽取分类规则,并通过一定的剪枝手段对规则进行剪枝,然后按照一定的规则形成分类器。 由于挖掘出了数据属性和类标签之间的强关联,关联分类器往往可以达到很高的分类精确度。然而,在规则产生阶段,关联分类算法会产生大量的规则,在对规则的处理过程中,算法会需要极大的系统开销。因此,小规模的规则集以及有效的规则剪枝方法对于关联分类算法十分必要。本文提出的基于ECLAT的关联分类算法结合了压缩规则集的性质和ECLAT方法自身的特点,在挖掘类关联规则的同时引入剪枝策略,在产生规则的过程中对新产生的规则项进行置信度检测,及时删除冗余的规则和等价类,然后再对产生的规则集进行覆盖剪枝。实验表明,这种方式可以在极大地压缩初始规则集的规则数量,极大地缩短了算法运行时间并且降低了系统开销。 在关联规则挖掘和关联分类算法中,兴趣度被引入用来提取规则以降低规则的数量。本文对目前比较常见的兴趣度进行了总结,并通过实验比较了不同兴趣度对于不同数据集的分类效果。实验结果表明兴趣度可减少规则的数量但没有一个兴趣度对于所有数据集都能够达到最优的分类效果。 最后,本文将关联分类应用于电子商务推荐系统中。在P2P站点北洋园PT中,推荐算法使用关联分类技术,从用户的下载记录中学习分类模型,构建关联分类器,并将生成的关联分类器用于对新用户的分类中。推荐算法依据用户的分类向用户推荐与该类型相匹配的资源。关联分类在推荐系统中的应用体现了数据挖掘技术的实际意义。
【关键词】：数据挖掘 关联分类 兴趣度 剪枝 推荐系统
【学位授予单位】：天津大学
【学位级别】：硕士
【学位授予年份】：2012
【分类号】：TP391.3;TP311.13
【目录】：

• 中文摘要3-4
• Abstract4-7
• 第1章 序言7-11
• 1.1 选题背景及意义7-8
• 1.2 关联分类算法8-9
• 1.3 本文研究内容9-11
• 第2章 电子商务推荐与关联分类算法11-21
• 2.1 电子商务推荐系统11-14
• 2.1.1 电子商务推荐系统的定义和流程11-12
• 2.1.2 电子商务推荐系统的组成12-13
• 2.1.3 电子商务推荐系统的主要问题13-14
• 2.2 关联分类简介14-15
• 2.2.1 关联分类算法的定义14
• 2.2.2 关联分类算法的过程14-15
• 2.2.3 关联分类算法中的主要问题15
• 2.3 关联分类算法的核心环节15-18
• 2.3.1 类关联规则的产生15-16
• 2.3.2 规则的排序方法16-17
• 2.3.3 规则集的剪枝17
• 2.3.4 应用规则分类17-18
• 2.4 常见的关联分类算法18-21
• 2.4.1 传统的关联分类算法18-19
• 2.4.2 RMR算法19
• 2.4.3 CSMC算法19-20
• 2.4.4 MCAR算法20-21
• 第3章 有效的规则产生及剪枝策略21-32
• 3.1 压缩规则集21-24
• 3.1.1 类关联规则21-22
• 3.1.2 压缩规则集的定义22-23
• 3.1.3 压缩规则集的性质23-24
• 3.2 规则产生策略24-28
• 3.2.1 传统的规则产生策略24-25
• 3.2.2 ECLAT算法25-26
• 3.2.3 基于ECLAT的规则产生策略26-28
• 3.3 剪枝策略28-32
• 3.3.1 规则产生过程中的剪枝29-30
• 3.3.2 覆盖剪枝30-32
• 第4章 关联分类算法的设计与实现32-44
• 4.1 算法的前期准备32-33
• 4.1.1 算法的数据处理32-33
• 4.1.2 生成规则的处理33
• 4.2 算法的设计与实现33-36
• 4.2.1 关联分类算法的设计33-34
• 4.2.2 类关联规则的产生34-36
• 4.2.3 规则剪枝与分类器的构建36
• 4.2.4 应用规则分类36
• 4.3 关联分类算法中的兴趣度研究36-40
• 4.3.1 支持度-置信度框架的缺点37-38
• 4.3.2 可以被用于关联分类的兴趣度38-40
• 4.4 实验结果40-44
• 4.4.1 规则压缩率40-41
• 4.4.2 规则数量41-42
• 4.4.3 分类准确度42-43
• 4.4.4 关于兴趣度的实验43-44
• 第5章 电子商务推荐系统中的关联分类44-52
• 5.1 基于关联分类的推荐算法的设计44-47
• 5.1.1 问题描述44-45
• 5.1.2 处理数据集说明45-46
• 5.1.3 推荐系统的结构46-47
• 5.2 基于关联分类的推荐算法的实现47-49
• 5.2.1 关联分类算法的运用47-48
• 5.2.2 代码的组成结构48-49
• 5.3 算法结果分析49-52
• 5.3.1 数据结果分析49-51
• 5.3.2 应用效果51-52
• 第6章 结论与展望52-54
• 6.1 研究结论与总结52
• 6.2 文中局限性与研究展望52-54
• 参考文献54-59
• 发表论文和科研情况说明59-60
• 致谢60

【参考文献】

中国期刊全文数据库 前2条

1 余力,刘鲁;电子商务个性化推荐研究[J];计算机集成制造系统;2004年10期

2 王虹予;赵英;党跃武;;基于混合算法的电子商务推荐系统设计研究[J];现代图书情报技术;2009年01期

  本文关键词：关联分类算法及其在电子商务推荐系统中的应用研究，由笔耕文化传播整理发布。

本文编号：397733