一种改进Ａｐｒｉｏｒｉ的个性化信息推荐算法.docVIP

一种改进Ａｐｒｉｏｒｉ的个性化信息推荐算法 　　摘要：对现有的Apriori算法进行改进，用分治策略引入哈希技术的方法完成了压缩侯选集，减少频繁扫描数据库的次数，克服了原有关联规则的数据挖掘算法生成频繁集比较大，且需要反复扫描数据库的问题。 　　关键词：Web数据挖掘；网站个性化信息推荐；关联规则 　　中图分类号：TP301文献标识码：A文章编号：1009-3044(2008)24-1265-02 　　A Personalized Information Recommendation of Improved the Apriori Algorithm 　　YANG Jie 　　(Zhejiang Financial Professional College, Hangzhou 310020, China) 　　Abstract: This paper improved the apriori algorithm, complete the compress reserve by introducing the Hash technoloy, reduce the times of scanning the data base,overcome the problem that the data mining algorithm about association rules produce the big frequency collection and scan the database again and again. 　　Key words: web data mining; web personalized information recommendation; association rules 　　 　　1 引言 　　 　　随着网络信息技术的快速发展，网络中的信息量越来越大，Internet出现了“信息爆炸”的现象。在这种背景下，用户可能在花费了大量的时间后依然无法获取自己所需的信息资源，即产生“信息迷航”现象[1-4]。因此，通过识别不同用户的需求特点，以此采用个性化的服务策略和方式，将很好解决这个问题。 　　 　　2 Apriori算法 　　 　　Apriori等在1993年设计了一个基本算法Apriori[5]，提出了挖掘关联规则的一个重要的基于两阶段频集思想的方法，是最典型的层次算法，是布尔关联规则采掘算法中最成功的一类算法。其核心技术为其它各类布尔关联规则采掘算法所广泛采用。算法的思想是：如果说S是频繁项集，对于S的任意非空子集L，我们就可以通过计算可信度，也就是：conf support(S)/support(L)，并通过conf≥miniconf(最小可信度)来确定规则L→(S-L)是否确立(该规则由于S是频繁项集故肯定具有最小支持度)。 　　例如：ABCD是频繁项集，AB是它子集 　　如果conf=support(ABCD)/support(AB)≥miniconf(最小可信度) 　　那么规则AB→CD是成立的，否则不成立。 　　具体到页面会话中，S是频繁项集即S中的页面是一次访问中经常同时访问的页面，而访问序列中最后的一个页面往往是用户的访问目的。所以用频繁项集产生所需的规则时，主要导出S的前n-1个页面到最后一个页面的规则，如果此规则满足最小可信度，将此规则存入模式库中。 　　 　　3 Apriori算法的改进 　　 　　从Apriori算法的思路中可以看出，当有相当数量的频繁1项集，Apriori会产生大量的候选集，而且可能需要重复的扫描数据库，这无疑降低了算法的效率，本文提出的算法是通过分治策略引入哈希技术来改进产生频繁项目集，并且用数据查询语言实现关联规则挖掘算法。要得出用户的频繁访问路径，如果用户每次访问的最大向前引用都很长的话，那就需要生成若干的k项集，产生大量的候选项目集，每次需要重复的多次的扫描同一个事务库，我们提出一种改进策略。为了讨论方便，这里对I中的每个项目用其项目编号来代替。和前面一样，把所有频繁k项目集的集合记为Lk，比如L1为所有频繁1项目集的集合。这里我们假定交易数据库中的交易以及在算法中出现的任一个项目集中的项目都是按照项目编号顺序排好的。在后面的算法中，我们容易看到，只要保证开始时也就是2项目集中的项目是有序的，那么算法的执行将自动保证任一个项目集也是有序的。 　　通过利用哈希技术通过构建一个相当小的C2以产生更小的L2来导出C3。如果C2很庞大，数据库就不能有效修剪。此步之后，Li的大小随i值的增大迅速减小，从而导致很小的Li+1，这样对应的开销就小得多，极大的提高了整个过程的执行效率。 　　哈希表的优点就是避