Multi-Agent和關聯(lián)規(guī)則挖掘的應用研究.pdf

1、關聯(lián)規(guī)則挖掘是數據挖掘中成熟的技術之一，在商業(yè)管理、政府辦公、科學研究和工程開發(fā)中得到了廣泛應用。但其處理的目標常常是大規(guī)模的數據集，處理的是異構類型數據，另外考慮到數據挖掘的安全性、容錯性等問題，為此迫切需要一種手段能夠智能地、有效地、安全地挖掘出事務數據間有趣的關聯(lián)規(guī)則。而分布式人工智能的前沿技術Multi-Agent具有高度智能化、易于構造分布式系統(tǒng)和軟件復用性強等優(yōu)點，這為關聯(lián)規(guī)則挖掘提供了強有力支持。本文介紹了關聯(lián)規(guī)則挖掘技術

2、和Multi-Agent技術，并把它們應用到一個行為推薦原型系統(tǒng)當中，設計了一個基于Multi-Agent和關聯(lián)規(guī)則挖掘的ARSM系統(tǒng)（The Action Recommendation Prototype System for User Based on Multi-Agent and Association Rule Mining），并將其應用到Web訪問上。本文的主要工作如下： 利用已存在的BFP-Miner算法中改進的F

3、P-Tree構造方法和基于位對象的頻繁k-項集挖掘方法挖掘包含頻繁k-項集的頻繁（k+1）-項集，再根據最小置信度產生強關聯(lián)規(guī)則。在ARSM系統(tǒng)中，將此產生強關聯(lián)規(guī)則的方法應用于對用戶行為日志進行挖掘，以產生行為推薦。 通過對系統(tǒng)推薦任務的規(guī)劃和分解，設計了ARSM系統(tǒng)。ARSM系統(tǒng)由UserAgent、DProAgent、ARAgent和Action Log Data Base四部分組成，其中ARAgent負責管理Databa

4、seProcessAgent、BFPTreeMinerAgent和ARMAgent三個Agent。為實現每個Agent所具備的功能，設計了Agent的模型和結構、說明了Agent的工作流程及控制算法、定義了每個Agent具備的技能。通過Multi-Agent環(huán)境下Agent之間交互細節(jié)的分析，給出了ARSM系統(tǒng)中Multi-Agent的管理結構圖。 把ARSM系統(tǒng)應用到Web訪問上，為Web訪問者進行行為推薦。實驗中采用了來自于