硅谷
硅穀
규곡
SILICON VALLEY
2012年
6期
93-93,114
,共2页
Web日志挖掘%FP-growth%页面兴趣度
Web日誌挖掘%FP-growth%頁麵興趣度
Web일지알굴%FP-growth%혈면흥취도
针对传统的FP-growth关联规则算法应用在图书借阅推荐系统会产生重复推荐的问题，提出一种改进算法。该算法生成最大频繁项目集，避免冗余频繁项目集的产生，有效解决产生重复推荐的可能。接着引入页面兴趣度阈值，将其应用于改进的FP-growth算法中，形成一种基于页面兴趣度的关联规则算法即IN FP算法，将该算法应用在图书推荐系统中不仅提高系统运行效率，而且具有较高的准确率。
針對傳統的FP-growth關聯規則算法應用在圖書藉閱推薦繫統會產生重複推薦的問題，提齣一種改進算法。該算法生成最大頻繁項目集，避免冗餘頻繁項目集的產生，有效解決產生重複推薦的可能。接著引入頁麵興趣度閾值，將其應用于改進的FP-growth算法中，形成一種基于頁麵興趣度的關聯規則算法即IN FP算法，將該算法應用在圖書推薦繫統中不僅提高繫統運行效率，而且具有較高的準確率。
침대전통적FP-growth관련규칙산법응용재도서차열추천계통회산생중복추천적문제，제출일충개진산법。해산법생성최대빈번항목집，피면용여빈번항목집적산생，유효해결산생중복추천적가능。접착인입혈면흥취도역치，장기응용우개진적FP-growth산법중，형성일충기우혈면흥취도적관련규칙산법즉IN FP산법，장해산법응용재도서추천계통중불부제고계통운행효솔，이차구유교고적준학솔。
