發(fā)布時(shí)間：2023-11-03 18:35

　　互聯(lián)網(wǎng)時(shí)代的信息過載已逐漸影響了人們?nèi)粘Ｉ畹母鱾�(gè)方面。推薦系統(tǒng)解決了信息過載的問題,也因此而被廣泛應(yīng)用。推薦系統(tǒng)可以提供個(gè)性化和差異性的服務(wù),但仍存在諸如冷啟動(dòng)等一系列難題。粒關(guān)聯(lián)規(guī)則算法可以解決推薦系統(tǒng)的冷啟動(dòng)問題。粒關(guān)聯(lián)規(guī)則算法是在粒計(jì)算和粗糙集的基礎(chǔ)上,利用四個(gè)評價(jià)指標(biāo)來挖掘多元關(guān)系數(shù)據(jù)表中的隱藏模式。粒關(guān)聯(lián)規(guī)則算法挖掘出來的規(guī)則比傳統(tǒng)的關(guān)聯(lián)規(guī)則語義更加豐富。粒關(guān)聯(lián)規(guī)則算法利用Scaling-based方法和離散化的方法解決了挖掘過程中由于屬性多值和數(shù)值型數(shù)據(jù)而導(dǎo)致的難以挖掘的問題。粒關(guān)聯(lián)規(guī)則利用匹配用戶粒方法為不同屬性的用戶粒推薦相應(yīng)的規(guī)則。此外,根據(jù)粒置信度和顯著性指標(biāo),粒關(guān)聯(lián)規(guī)則算法為不同的用戶提供Top-k推薦規(guī)則,提高推薦系統(tǒng)的有效性。粒關(guān)聯(lián)規(guī)則算法雖然存在很多優(yōu)點(diǎn),但在構(gòu)建規(guī)則時(shí)是以Apriori算法為基礎(chǔ)的,因此難以避免由Aprioir算法導(dǎo)致的規(guī)則冗余的問題。本文在粒關(guān)聯(lián)規(guī)則的基礎(chǔ)上引入極大頻繁項(xiàng)集的概念來改進(jìn)規(guī)則存在冗余的問題。實(shí)驗(yàn)結(jié)果表明改進(jìn)后的算法比原始算法在規(guī)則數(shù)量上有所減少,且運(yùn)行時(shí)間更短。改進(jìn)后的算法雖然在規(guī)則數(shù)量上比原始算法少,但改進(jìn)后的算法存在少...

【文章頁數(shù)】：70 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 課題背景
    1.2 研究目的和意義
    1.3 國內(nèi)外研究現(xiàn)狀
    1.4 論文組織
    1.5 本章小結(jié)
第2章 粒關(guān)聯(lián)規(guī)則算法
    2.1 粒關(guān)聯(lián)規(guī)則算法相關(guān)工作
    2.2 基于粒關(guān)聯(lián)規(guī)則算法的冷啟動(dòng)推薦算法
    2.3 基于粒關(guān)聯(lián)規(guī)則的TOP-K推薦方法
    2.4 本章小結(jié)
第3章 基于極大頻繁項(xiàng)集的粒關(guān)聯(lián)規(guī)則算法改進(jìn)
    3.1 研究目的與意義
    3.2 頻繁項(xiàng)集的緊湊表示
    3.3 極大頻繁粒集的相關(guān)概念
    3.4 基于極大頻繁項(xiàng)集的粒關(guān)聯(lián)規(guī)則改進(jìn)算法
    3.5 實(shí)驗(yàn)評價(jià)指標(biāo)
    3.6 實(shí)驗(yàn)結(jié)果及分析
    3.7 本章小結(jié)
第4章 基于數(shù)據(jù)立方體的粒關(guān)聯(lián)規(guī)則TOP-K推薦
    4.1 研究目的和意義
    4.2 數(shù)據(jù)立方體相關(guān)概念
    4.3 基于數(shù)據(jù)立方體的粒關(guān)聯(lián)規(guī)則
    4.4 基于數(shù)據(jù)立方體的粒關(guān)聯(lián)規(guī)則TOP-K推薦算法
    4.5 實(shí)驗(yàn)結(jié)果及分析
    4.6 本章小結(jié)
第5章 總結(jié)與展望
    5.1 總結(jié)
    5.2 未來研究與展望
致謝
參考文獻(xiàn)
個(gè)人簡介



本文編號：3859677