基于关联规则和ART的电子商务推荐系统应用研究.pdf

《基于关联规则和ART的电子商务推荐系统应用研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、《自动化与仪器仪表》2016年第12期(总第206期)基于关联规则和ART的电子商务推荐系统应用研究半曾贤灏，赵锡英(兰州工业学院甘肃兰州，730050)摘要：针对传统电子商务推荐系统环境中存在数据集噪声、定量规则发现等影响自动推荐性能的问题，提出了一种关联规则结合ART模型的改进算法，将其应用于电子商务中的自动推荐，实验结果表明该算法进行自动推荐时运行稳定，推荐商品相关性较高。关键词：自动推荐；电子商务；关联规则；ART中图分类号：7I码11．13文献标识码：ADOI编码：10．14016／j．cnki．1001—9227．2016．12

2、．109Abstract：The的ditionale—commercerecommendationsystemenvimnmentexistinginthedatasetnoiseandquantitativemlesthatinnuenceautomaticrecommendationped'oⅡn肌cepmblem，putforwardakindofassociationmlesofartmodelwitlltheiI印mvedalgorithmanditsapplicationinamomaticrecommendationofele

3、ctroniccommerceintlle．Theexperimentalresllltsshowtllatthealgorithmforautomaticrecommendationstableoperation，hi曲correlationsofcommodityrecommendation．Keywords：automaticrecommendation；elecn．oIliccommerce；associationrules；ARTO引言电子商务是个人或企业利用Intemet网络进行商务数据交换和开展商务业务的活动。目前国内已有多种

4、类型的电子商务形式，如：网上商情广告、电子票据交换、网上订购，网上银行、网上支付结算等。随着互联网的迅猛发展及电子商务中数据量的不断增大，数据挖掘在电子商务中得到广泛的应用⋯。而关联规则口。挖掘是数据挖掘众多算法中最典型的一种。本文在对传统关联规则挖掘及Apriori算法”1进行研究的基础上提出了基于关联规则结合ART神经网络的一种改进的挖掘算法，在AprioIi算法中引入了ART神经网络来提高分类效果，弥补Apriori算法本身存在的不足H1，并将其成功的应用在电子商务系统中。1传统关联规则挖掘算法简述1．1基本定义关联规则挖掘是目前数掘

5、挖掘的一个主要分支，它的两个重要属性为：支持度(support)和置信度(co血dence)。关联规则可定义为一个蕴含式(R：oj6)：设，是所有项目的集合，。，6是项目集，且oc，，6c，并且on6=9，关联规则R表示某次交易中项集口出现的同时导致项集6也以某概率出现，称口，6为关联规则(月：。等6)的前件和后件。在关联规则算法中我们一般把关联规则简化为2个相关的子问题：(1)根据置信度在频繁项集中找出相关规则(置信度大于等于最小置信度)，即找出强关联规则；(2)将所有频繁项集找出，即找出相对支持度满足预定义的最小支持度阈值的规则。其中，

6、后者是关联规则挖掘算法中的核心。定义1：(支持度)在事务数据库D中所包含的项目集x的所有事务数称作项集x的支持数，记为IxI。项集x的支持度为suppDn(x)：收稿日期：2016一03—31t基金项目：甘肃省教育厅高等学校科研计划项目资助(1114一03)作者简介：曾贤灏(1980一)，男，甘肃白银人，讲师，主要研究方向为人工智能及图像识别。suppon(x)=-}{*×100％I上，l其中，D为事务数据库D的事务数。关联规则妊号y的支持度即项目集xnl，(即包含x和y两者)的支持度，sl‘阵mn(x=亭y)=sz^pPDn(xny)=P

7、(xny9。定义2：(置信度)在事务数据库D中支持项集x的事务中支持项集y的百分比称作规则xjy在事务数据库D中的置信度，记为co嘶如聊e(x)：c。妒如we(xjy)=鼍笏；：曼等景堕×·00％S叩pOn‘AJ用户在挖掘过程中需要设定最小置信度(mincorIf)以及最小支持度阈值(minsup)。其中置信度衡量关联规则的准确性，而支持度衡量关联规则在事务数据库D中的统计重要性，其值越大说明规则越重要。如果出现计算出的关联规则置信度非常高，而其支持度却非常低，就表明这一规则的实用机会很小，并不重要。若suppon(玛l，)≥minsup，

8、且suppo兀(xjy)≥mincD∥关联规则xjy为强规则，否则为弱规则。关联规则挖掘基本模型如图1所示。匝母匮母区匦}岖圃图1关联规则挖掘的基本模型1-2Apriori算法A