一种基于演化算法数字图书馆个性化技术.docVIP

一种基于演化算法的数字图书馆个性化推荐技术 　　摘要：随着数字图书馆的发展，“信息过载”问题逐渐突出，如何快速、准确、主动为用户推送信息，成为数字图书馆建设急需解决的问题之一。提出了一种新的基于演化算法的数字图书馆个性化推荐技术，设计了个性化推荐系统模型，并应用到数字图书馆个性化推荐服务中。实验表明，该技术具有较强的有效性。 　　关键词：数字图书馆；演化算法；多层关联规则；数据挖掘；个性化推荐 　　中图分类号：TP312文献标识码：A文章编号2012）009003503 　　0引言 　　数字图书馆是基于网络环境下共建共享的可扩展的知识网络系统，是超大规模的、分布式的、便于使用的、没有时空限制的、可以实现智能检索的知识中心。随着时间的推移和社会的进步，数字图书馆中的资源越来越丰富，“信息过载”和对信息的个性化需求逐渐成为数字图书馆中突出的问题，如何快速、准确、主动为用户推送信息，成为数字图书馆建设急需解决的问题之一。 　　在数字环境下，Web已成为图书馆提供服务的一个主要途径，Web使用挖掘（Web Usage Mining，WUM）是挖掘用户访问Web时与服务器进行交互表现出的用户特征以及用户行为模式。当前WUM的一个重要应用是个性化服务的Web实时推荐系统。近年来，使用演化算法挖掘关联规则成为热点之一，很多文献讨论了遗传算法在大数据库中挖掘关联规则的过程。基因表达式编程（Gene Expression Programming，GEP） 是在遗传算法（Genetic Algorithms，GAs）和遗传编程（Genetic Programming，GP）的基础上发展的新的演化算法，综合了二者的优点，它比遗传算法编码更灵活，具有更强的解决问题的能力。本文采用一种新的基于GEP的多层关联规则挖掘算法并应用到数字图书馆个性化推荐中，本文的研究对于解决数字图书馆个性化推荐问题具有重要的理论意义和参考价值。 　　1理论基础 　　1.1关联规则 　　关联规则也称为关联模式，设I={i1，i2，…，im}是项的集合，D是数据库事务的集合，每个事务T是不同项的集合，使得T I。设A是一个项集，事务T包含A，当且仅当A T。关联规则是形如AB的蕴含式，其中A I， B I， A∩B=Φ。数据集D中项目集A的支持度记为support（A）： support（A）=P（A），支持度表示规则的频度，最小支持度记为min_sup。项目集A∪B的支持度称为关联规则AB的支持度，记为support（AB）=P（A∪B），关联规则A∪B的置信度confidence（AB）=P（A|B），置信度用来衡量关联规则的可信程度，最小置信度记为min_conf。如果项目集A的support（A）≥min_sup，那么A就是频繁项集；如果support（AB）≥min_sup，且confidence（AB）≥min_conf，那么关联规则AB就是强关联规则。 　　1.2基于泛化的抽象频繁项集挖掘 　　定义1 抽象频繁项集（AFItems，Abstract Frequency Items）：事务库中项集中的项是数据库中的属性值，数据处理可以将属性值沿所在维进行泛化，经过泛化到顶层后，顶层的项集是频繁的，我们称这些顶层的频繁项集为AFItems。 　　泛化在数据挖掘中起重要作用，通常情况下，在大数据库中不加选择地挖掘会导致大量的“规则”，其中大部分是特定用户不感兴趣的，泛化在宏观上为数据挖掘制定了路线图，为在大空间搜索提供依据，减少盲目性，同时将不属于抽象频繁项集的下级频繁项集剪枝掉。 　　1.3基因表达式编程 　　基因表达式编程（Gene Expression Programming，GEP） 是由葡萄牙科学家Candida Ferreira于2000年提出来的，是在继承和发展遗传算法与遗传编程优点的基础上发展起来的遗传计算家族中的新成员，是借鉴生物遗传的基因表达规律提出的搜索和知识发现新技术。研究已表明，它在很多领域具有比遗传算法和遗传编程更强的解决问题的能力。 　　1.3.1基因结构 　　多基因染色体的GEP编码：每个基因看成是一个长度不变一维数组，一个基因代表一个项，每个染色体由定长二维数组组成，整个二维数组代表一个事务。经过特定操作算子变换项集元素和事务，形成搜索空间。GEP的独特之处在于优良的个体表示方法，将变长的树型结构化信息编码于定长的字符串中。染色体由若干个基因（Gene）通过连接符连接组成。Gene由头部（hail）和尾部（ tail）组成， head包含了函数（Functions）和终结符（Terminals）， tail只含有终结符。其中函数集由求解问题需要的所有函数运算符组成，终结符集由描述问题