面向電子商務(wù)個性化推薦的序列關(guān)聯(lián)挖掘研究.pdf

1、隨著電子商務(wù)的快速發(fā)展，網(wǎng)上購物已成為人們?nèi)粘Ｉ钪械牟豢扇鄙俚幕顒?。然而，電子商?wù)網(wǎng)站上進行銷售的商品過多，而用戶的興趣也千差萬別，這就造成了用戶在選擇商品時的信息過載問題，面對過多的選擇其表現(xiàn)出來選擇的無所適從性。個性化推薦技術(shù)是解決這種信息過載問題的最有效手段之一。
　　然而，現(xiàn)有的個性化推薦技術(shù)大多關(guān)注用戶在一次購買行為內(nèi)的興趣，或者將用戶的全部購買記錄都看作其興趣所在，沒有考慮到用戶的興趣是隨著時間的變化而動態(tài)改變的。其

2、中序列模式挖掘是較為成熟的挖掘事務(wù)間商品項目關(guān)聯(lián)，對用戶興趣進行動態(tài)建模的技術(shù)。本文對序列模式挖掘算法在個性化推薦技術(shù)中的應(yīng)用進行了拓展及研究。本文的主要內(nèi)容包括如下幾點：
　　(1)通過分析基于規(guī)則的個性化推薦算法，發(fā)現(xiàn)基于短規(guī)則的推薦效率要高于基于長規(guī)則的推薦效率。同時，對序列模式挖掘算法進行分析并證明后發(fā)現(xiàn)，其二項序列模式的集合可以代表全部序列模式的信息，而二項序列模式是有意義的最短序列模式。因此，本文對基于二項序列模式進行

3、個性化推薦做了相關(guān)研究。
　　（2）由于現(xiàn)有算法在大數(shù)據(jù)環(huán)境下挖掘效率較低，開發(fā)了只進行一次掃描數(shù)據(jù)庫并減少冗余用戶掃描的二項序列模式挖掘算法，可快速挖掘出二項序列模式，提高挖掘效率。
　?。?）序列模式挖掘算法重點關(guān)注的是用戶多次購買行為間的關(guān)聯(lián)性，對用戶在同一事務(wù)購買行為商品間關(guān)聯(lián)性的挖掘較弱，其興趣覆蓋度相對較少。針對上述問題，引入了關(guān)聯(lián)規(guī)則的挖掘算法與序列模式進行結(jié)合，應(yīng)用到基于規(guī)則的個性化推薦中，用亞馬遜圖書銷售數(shù)