加权模糊关联规则挖掘算法研究及应用-计算机应用技术专业论文.docxVIP

江苏大学硕士研究生学位论文摘 江苏大学硕士研究生学位论文 摘 要 随着信息技术尤其是互联网技术的快速发展，电子商务应运而生并逐渐普 及。电子商务系统数据库积累了海量数据，但对商家决策有价值的知识却非常匮 乏。关联规则作为数据挖掘(Data Mining)研究的主要模式之一，用于确定数据集 中不同域或属性之间的联系，找出有价值的多个域之间的依赖关系，在网络购物 中可用于为用户推荐相关商品，提高商家利润。由于其形式简单、易于解释和理 解，目前已经成为数据挖掘中最成熟、最活跃、最重要的研究热点。本文．正是对 数据挖掘中关联规则挖掘算法进行研究，并将研究成果应用到某电子商务网站的 个性化推荐系统中。本文主要研究内容如下： 首先，总结当前的研究现状，给出数据挖掘相关概念及其基本方法和难点， 重点介绍最经典的关联规则挖掘算法Apriori算法。 然后，提出一种基于矩阵的关联规则挖掘算法(BOMA)。该算法利用项集的 有序性构造一个矩阵，通过逻辑计算得到频繁1．项集以及最大频繁集，进而基于 己获得的频繁项集和矩阵获得所有的频繁K．项集。相对于Apri硎算法，BOMA 算法提高了效率，对挖掘大量事务集中关联规则是快速有效的。 接着，针对数量型关联规则挖掘中划分边界过硬以及规则丢失问题，提出一 种加权模糊关联规则挖掘算法(NFWARM)。该算法基于专家定义的模糊区域和与 之相关的隶属度函数，把数值转化为模糊值，避免了区间划分引起的边界过硬问 题；同时，使用属性权重刻画元素对规则的贡献，在不引起规则丢失的情况下， 保证了频繁项集的向下封闭性。 最后，将文中提出的NFWARM算法应用到某电子商务网站的个性化推荐系 统中。在提高用户操作友好性的同时，系统的挖掘结果能够对商家的经营决策起 到积极的指导作用。 关键词：数据挖掘，关联规则，加权模糊，隶属度函数，向下封闭性，电子商务， 推荐系统 江苏大学硕士研究生学位论文 江苏大学硕士研究生学位论文 A B．STRACT As information technology,particularly the rapid development of Internet technology,e—conlmerce came into being and gradually spread．E—commerce system database has accumulated huge amounts of data，but valuable knowledge and business decision—making is very scarce．As the main mode of data mining，association rules is used to determine the links between domains or attributes of different data sets，to find valuable dependencies between multiple domains，to recommend related products to users，to improve business profits in online shopping field．Association rules has become the most mature，most active and important research focus in data mining as its simple form and easy to interpret and understand．This article studys data mining association rules mining algorithm，and research results is used to a personalized recommendation system in a certain e-commerce sites．Main contents include the following： Firstly,sum up the current research situation，and give data mining concepts and basic methods and difficulties．Introduce focused the classic Apriori algorithm for association rule mining algorithm． Then，propose a matrix—based association rule mining algorithm