模糊关联规则挖掘技术研究及其在推荐系统中的应用

摘要

在一个大型购物网站的数据库中，各个数据的属性之间存在着各种各样的关联，这些关联就隐含在数据库所包含的数据中，挖掘的目的就是找出这些隐藏的关联。把有意义的关联规则从大量事务记录中发现出来，从而可以帮助网站经营者做出许多商务决策，如分类设计、交叉购物，从而提高销售额和利润。
　　近年来，数据挖掘技术成为数据库和人工智能中最具活力的研究领域，引起了专家学者的广泛关注。模糊关联规则挖掘是数据挖掘技术的一个重要研究方向，也在众多应用领域中取得了理想的效果。同时，互联网的发展面临了新的挑战:一方面，用户对网站提供的海量产品信息并非完全感兴趣，常常需要经过多次浏览才能找到自己想要的产品;另一方面，网站没有全面了解客户的需求，导致用户看到的是一样的界面，产品也无法具有吸引力，客户流失严重。最有效的办法就是向用户进行个性化的产品推荐。
　　本文的主要内容如下:首先基于国内外关联规则挖掘技术的研究成果，介绍了现有的模糊关联规则挖掘技术;其次，针对挖掘算法中存在的不足之处，引入讨论了改进的模糊关联规则挖掘算法，实验分析比较该算法的优势;最后以大型购物网站的数据库为例，研究模糊关联规则挖掘技术在网站的订单信息的应用，充分利用数据库中的历史数据，挖掘出有效的模糊关联规则形式，并研究新的模糊关联规则算法在网站个性化推荐系统中的应用。

目录

声明

摘要

第一章 绪论

1．1 研究背景及意义

1．2 数据挖掘相关知识

1．2．1 数据挖掘的概念

1．2．2 数据挖掘的步骤

1．3 研究现状及发展趋势

1．3．1 算法的发展

1．3．2 推荐系统的发展

1．4 论文研究内容与组织结构

1．4．1 本文的主要工作

1．4．2 本文的内容安排

第二章 相关理论及算法介绍

2．1 关联规则挖掘

2．1．1 基本概念

2．1．2 经典算法Apriori

2．1．3 FP-growth算法

2．2 模糊关联规则

2．2．1 模糊关联规则的提出

2．2．2 模糊关联规则的概念

2．2．3 模糊关联规则挖掘过程

2．2．4 模糊关联规则挖掘算法

2．2．5 基于Fuzzy FP-tree的模糊关联规则挖掘算法

2．3 挖掘系统应用--推荐系统

2．3．1 推荐系统的概念

2．3．2 推荐系统分类

2．3．3 推荐系统的组成

2．4 结语

第三章 模糊关联规则改进算法研究

3．1 改进的模糊关联规则

3．2 算法实验

第四章 推荐系统与模糊关联规则挖掘算法应用

4．1 挖掘系统框架

4．2 基于模糊关联规则的推荐系统组成

4．2．1 离线模块数据源获取

4．2．2 在线模块的数据源获取

4．2．3 相关数据表信息

4．3 数据预处理

4．3．1 去除无意义数据

4．3．2 去除噪声数据

4．3．3 数据格式转换

4．3．4 模糊化预处理

4．4 模糊关联挖掘在推荐系统中的应用

4．5 算法的推荐性能分析

4．6 结语

结论

致谢

参考文献