基于加权关联规则挖掘算法的电子商务商品推荐系统研究.docVIP

基于加权关联规则挖掘算法的电子商务商品推荐系统研究 　　摘 要： 为了解决电子购物者和商家直接的商品快速、准确匹配问题，进行基于加权关联规则挖掘算法的电子商务商品推荐系统研究。首先指出了经典Apriori算法的缺点和不足，并提出一种新的加权模糊关联挖掘模型算法，以保证频繁项集的向下封闭性；通过对电子商务推荐系统的结构化设计、数据预处理模块设计、推荐模块设计，完成了推荐系统的工作流程测试；最后选取命中率作为不同推荐模型的评价标准，通过五折交叉试验法对实际采集数据进行了对比分析，试验结果表明关联规则集的Top?N产品命中率要明显高于兴趣推荐和畅销推荐法。 　　关键词： 加权关联规则； 挖掘算法； 电子商务； 推荐系统 　　中图分类号： TN911?34 文献标识码： A 文章编号： 1004?373X（2016）15?0133?04 　　Abstract： To solve the direct commodity rapid and accurate matching problem between electronic shoppers and merchants， the e?commerce commodity recommendation system based on mining algorithm of weighted association rules is researched. Ai?ming at the insufficiency of the classic Apriori algorithm， a new weighted fuzzy association rules mining algorithm is put forward to ensure the downward closure of frequent item sets. The work flow of the recommendation system was tested through the structural design of e?commerce recommendation system， data preprocessing module design and recommendation module design. The hit rate is selected as the evaluation standard of different recommendation models. The contrastive analysis for the practical collected data was conducted with the half?off cross test method. The experimental results show that the hit rate of Top?N products in association rule set is significantly higher than that of the interest recommendation method and best selling recommendation method 　　Keywords： weighted association rule； mining algorithm； electronic commerce； recommendation system 　　0 引 言 　　随着电子商务业的快速发展，互联网购物用户规模已经突破两亿人次。而在庞大的互联网购物中，购物者和服务者都面临一个问题：用户和商家彼此间无法明确所喜爱的商品；海量商品无法快速、准确的和客户爱好相匹配；筛选商品时间过长等。这些问题都极大地阻碍了电子商务业的发展。为了解决这些问题，本文利用数学上的相关知识，进行了基于加权关联规则挖掘算法的电子商务商品推荐系统研究。 　　1 数据挖掘和关联规则 　　1.1 数据挖掘 　　数据挖掘从广义上理解，就是在海量数据中通过某种算法、处理模式找到具有潜在作用、有效价值、新颖性强的数据处理过程。数据挖掘模式可分为关联模式、序列模式、分类模式、回归模式、时间序列模式、聚类模式六种。而关联模式由于具有应用范围广、实用性强的特点， 因而在现代电子商务领域中得到了极大发展，关联模式也成为了数据挖掘中最为重要的研究领域[1?3]。 　　经过多年的研究分析，当前对数据挖掘的主要方法包括概念描述、关联分析、类知识挖掘、预测型知识挖掘等。虽然数据挖掘的方法有很多种，但要想彻底应用到电子商务中存在以下几个难点：数据类型存在多样性；算法效率和可伸缩性差；数据挖掘系