郑州大学学报（理学版）
鄭州大學學報（理學版）
정주대학학보（이학판）
JOURNAL OF ZHENGZHOU UNIVERSITY(NATURAL SCIENCE EDITION)
2007年
2期
65-69
,共5页
加权关联规则%New-Apriori算法%加权支持度%加权频繁集%个性化推荐
加權關聯規則%New-Apriori算法%加權支持度%加權頻繁集%箇性化推薦
가권관련규칙%New-Apriori산법%가권지지도%가권빈번집%개성화추천
传统的关联规则挖掘没有考虑各项目的重要程度,因此实际过程中缺乏一定的针对性.在New-Apriori算法的加权支持度基础上结合Fp-growth算法思想,提出了基于Fp-树的加权关联规则算法,并给出了关联规则的个性化推荐的一般过程.利用Web日志文件采用网页被用户选择的频率作为权重值,实现了个性化推荐系统的算法.实验结果表明该算法具有较高的准确性和效率.
傳統的關聯規則挖掘沒有攷慮各項目的重要程度,因此實際過程中缺乏一定的針對性.在New-Apriori算法的加權支持度基礎上結閤Fp-growth算法思想,提齣瞭基于Fp-樹的加權關聯規則算法,併給齣瞭關聯規則的箇性化推薦的一般過程.利用Web日誌文件採用網頁被用戶選擇的頻率作為權重值,實現瞭箇性化推薦繫統的算法.實驗結果錶明該算法具有較高的準確性和效率.
전통적관련규칙알굴몰유고필각항목적중요정도,인차실제과정중결핍일정적침대성.재New-Apriori산법적가권지지도기출상결합Fp-growth산법사상,제출료기우Fp-수적가권관련규칙산법,병급출료관련규칙적개성화추천적일반과정.이용Web일지문건채용망혈피용호선택적빈솔작위권중치,실현료개성화추천계통적산법.실험결과표명해산법구유교고적준학성화효솔.
