中文题名: | 基于关联规则的用户兴趣模型的研究与应用 |
姓名: | |
学号: | 104972101476 |
保密级别: | 公开 |
论文语种: | chi |
学科代码: | 081203 |
学科名称: | 计算机应用技术 |
学生类型: | 硕士 |
学位: | 工学硕士 |
学校: | 武汉理工大学 |
院系: | |
专业: | |
研究方向: | 智能信息检索 |
第一导师姓名: | |
第一导师院系: | |
完成日期: | 2013-05-29 |
答辩日期: | 2013-05-29 |
中文关键词: | |
中文摘要: |
数据挖掘是指从大量数据中揭示出隐含的、先前未知的并有潜在价值的信息的非平凡过程,它是一种有趣的知识获取的过程,同时也是解决“数据海量、知识匮乏”的有效途径。数据关联是数据库中存在的一类重要的可被发现的知识。若两个或多个变量的取值之间存在某种规律性,就称为关联。关联分析可以找出数据库中隐藏的关联网。电子商务网站中每天数亿的成交量,其中隐藏的商品之间的关联对电子商务的买家具有重要的参考意义。与单层关联规则挖掘相比,多层关联规则能够提供更加丰富、更具普遍意义的知识,能够满足更多用户的需求,因此对多层关联规则挖掘进行研究具有较大的实用价值。互联网世界的不断发展,信息及其丰富,如何快速、准确的从海量的数据中获取满足用户需求的信息,个性化的信息服务应运而生。它为具有不同个性特征的用户提供针对性服务的内容。个性化服务推荐服务作为个性化服务核心技术,其推荐质量直接影响个性化信息服务的性能。个性化推荐已成为研究热点,在很多应用领域都有所应用,如 Amazon、CDNOW、Netflix 等大型的电子商务系统,都不同程度地使用了个性化推荐系统。而目前的推荐系统在预测精度、推荐质量等方面都有许多可能的改进的地方,例如如何更好的结合用户的兴趣,分析用户的行为。用户兴趣模型是实现个性化推荐的关键,也是本文研究的重点。本文从挖掘多层关联规则和建立用户兴趣模型两个方面入手, 在电子商务网站的基础上对数据库和用户浏览行为进行分析和研究,取得主要成果如下:1、研究两种经典数据挖掘算法的优缺点,对3种多层关联挖掘算法研究的基础上提出了改进的基于FP_Growth的多层关联挖掘算法,并给出了具体的算法思想和算法描述。2、将关联规则引入到用户兴趣模型中。依赖用户的浏览行为和关联规则,对用户兴趣模型更新。3、构建了个性化的推荐系统,将基于关联规则的用户兴趣模型用到个性化推荐系统中。
﹀
|
中图分类号: | TP311.13 |
馆藏号: | TP311.13/1476/2013 |
备注: | 403-西院分馆博硕论文库;203-余家头分馆博硕论文库 |