面向个性化推荐的快速关联规则挖掘算法

作     者：邓晓懿 金淳 樋口良之 韩庆平 Deng Xiaoyi;Jin Chun;Higuchi Yoshiyuki;Jim C.Han

作者机构：大连理工大学系统工程研究所大连116024 福岛大学理工学部共生系统工程系日本福岛9601296 佛罗里达州立大西洋大学信息技术及运作管理系美国佛罗里达博卡拉33431 

出 版 物：《情报学报》 (Journal of the China Society for Scientific and Technical Information)

年 卷 期：2011年第30卷第9期

页      面：963-972页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 

基　　金：国家自然科学基金重大项目(NO.70890080 NO.70890083)资助 

主　　题：关联规则挖掘 个性化推荐事务矩阵 用户兴趣度 移动电子商务 

摘      要：关联规则挖掘是解决电子商务推荐问题的重要方法之一。针对传统关联规则挖掘算法在解决移动电子商务环境个性化推荐问题时反复扫描数据库,频繁项挖掘效率低,关联规则挖掘准确率低以及规则大量冗余等不足,提出一个基于事务矩阵和用户兴趣度的关联规则挖掘算法（Matrix-and-Interestingness-based Association RulesMining,MIbARM）。该算法仅需扫描一次数据库,并在挖掘过程中不断缩小算法搜索空间以避免生成冗余候选项,同时避免了冗余规则挖掘,从而提高了挖掘效率。最后,在四组人工数据和160种参数组合的数值实验环境下,引入Apriori、CBAR及BitTableFI算法对MIbARM进行对比验证。结果表明,在不减少有趣规则的前提下,MIbARM不但可有效避免冗余候选项集的产生,而且大幅减少了冗余规则数量,极大提高了算法的搜索效率,同时提升了个性化推荐的质量,更适用于移动电子商务环境下的个性化推荐问题。