崔苹 宋丽 张振雷 上海师范大学

改进的关联规则挖掘算法在个性化推荐系统中应用

崔苹 宋丽 张振雷 上海师范大学

本文采用改进的Apriori聚类算法进行用户兴趣模型的建立，对于用户阅读杂志的行为进行收集并行分析建模，依据Apriori聚类算法实现推荐方法，为用户感兴趣的杂志进行推荐。并对数据库进行优化提高运行效率，取得了很好的推荐效果。

推荐系统 Apriori 数据库优化 关联规则

1 引言

随着互联网技术的快速发展，推荐系统目前已广泛应用于商业领域。常用的推荐算法有协同过滤推荐、内容推荐、关联规则推荐和混合推荐。在个性化推荐上，WebWatcher是最早开始个性化推荐服务的。2004年，Kevin创办了Digg新闻网站，Digg对用户的兴趣进行了研究，通过历史数据对用户的兴趣相似度进行了计算，通过个性化的推荐，提升了Digg网站的浏览量。同年Findory建立，实现了用户的定制新闻。

2 Apriori算法改进思想

在对数据进行关联的挖掘时，需要对其中的互斥项进行约束，降低生成频繁项集的速度，因此要避免互斥项的连接，利用互斥的标志是否相等来判断项目之间是否互斥，若相等则为互斥项，则不进行连接。算法的具体步骤为：

①扫描数据库，生成布尔矩阵以及1阶频繁项集，扫描一次数据库之后，生成布尔型矩阵，布尔型矩阵的第i行就是原事务数据库的项目，第j列就是原事务数据库的项目Tj，若Tj包含，则布尔型矩阵对应的位置为1，否则置为0。并统计事务中项目出现的次数，若满足最小支持度计数，则项目为 1阶频繁项集。……