基于用户大数据的关联零件搜索方法

发布时间：2021-12-31 04:08

　　鉴于零件库能够有效支持专业化协同设计和制造,提高效率,降低成本,而用户在使用零件库时希望快速搜索到实现某一功能、组成某一部件的一组关联零件,以免分头搜索各种零件,提出了基于用户大数据的关联零件搜索方法。该方法主要包括:对关联关系挖掘算法FP-Growth进行优化;提出基于用户大数据的关联零件集成搜索方法;通过模具零件数据搜索完成实验验证。 

【文章来源】：成组技术与生产现代化. 2020,37(02)

【文章页数】：6 页

【部分图文】：

FP-tree示例

首选遍历数据库,统计每个项目的支持度,通过动态调整获得最小支持度(minSup);其次把每个项目非增序地插入树中,可以得到多支持度树(在构建树形结构的时候,需要构建一个二维支持度数组,若数组中有m个频繁项集,则数组中的元素个数为I=m·(m-1)/2);然后从二维数组中找到每个项目的支持度,根据最小支持度得到频繁项集,并根据每个项目的频繁项集构建最大的频繁项集树;最后,根据最小置信度挖掘频繁项集中存在的不同物品之间的关联关系。2 基于用户大数据的关联零件搜索的场景和流程

大型零件库中的零件很多。用户在使用零件库时,经常会在平台内浏览零件的信息,或者下载这些零件的三维CAD模型,这就形成了很多的用户搜索行为数据。从这些用户搜索行为数据中可挖掘不同零件组合的关联性。通用零件如“螺栓”“螺母”“垫圈”是一种组合关系,零件库用户在下载螺栓三维CAD模型的时候,往往也会下载相匹配的螺母和垫圈的三维CAD模型。图3所示为某零件库中用户下载不同模具的历史记录。2.2 基于用户大数据的关联零件搜索流程

【参考文献】：
期刊论文
[1]基于关联规则和孤立点算法的审计证据获取研究[J]. 杨松,张琪君.  工业控制计算机. 2017(02)
[2]面向工程重用的三维零件库服务系统[J]. 刘雪梅,李爱平.  计算机集成制造系统. 2010(07)

硕士论文
[1]基于多最小支持度关联规则的电子商务推荐系统的研究与实现[D]. 陈星星.暨南大学 2017
[2]基于关联规则的交通事故数据挖掘[D]. 胡震波.天津大学 2017
[3]基于协同过滤及关联规则的混合推荐算法研究[D]. 刘晓琳.西安电子科技大学 2014
[4]基于关联规则的个性化推荐算法研究[D]. 张佳乐.山西大学 2014
[5]基于关联规则的推荐算法研究与应用[D]. 邓先箴.华东师范大学 2010



本文编号：3559589