关联规则在推荐系统中的应用.docVIP

关联规则在推荐系统中的应用 　　摘要：推荐系统从网站数据中提取用户感兴趣的信息，为用户提供个性化服务。推荐算法应尽可能地利用各种有用的资料信息，提供更加精确有效的推荐。文章对目前推荐系统所使用的技术进行了分析针对推荐系统面临的问题，提出一种基于关联规则挖掘的推荐算法，该算法结合用户访问数据和商品层次结构数据，快速选择最优匹配粒度，进行在线推荐。 　　关键词：数据挖掘　关联规则　推荐系统 　　 　　1　引言 　　 　　随着商场信息化的建设，商场积累了大量的销售数据。面对海量销售数据和大量繁杂信息，如何从数据海洋中提取有价值的知识，为商场的管理提供决策支持，提高商场的竞争力，已经成为商场管理者关注的热点。在这一背景下，数据挖掘技术应运而生。数据挖掘技术就是从大量的数据中挖掘出有效的、新颖的和潜在有用的知识，目的是为企业的管理决策提供支持。在数据挖掘的知识模式中，关联规则挖掘是非常重要的一种，也是非常活跃的一个分支。关联规则挖掘能发现大量数据中项目集之间有趣的关联或相关关系。随着大量数据不断地收集和存储，许多业界人士对于从他们的数据库中挖掘关联规则越来越感兴趣。从大量商务事务记录中发现有趣的关联关系，可以帮助许多商务决策的制定，如分类设计、交叉购物和促销分析。关联规则可以广泛应用到商场、金融、政府、通信等各个领域。推荐系统就是根据用户个人的喜好、习惯来向其推荐商品信息的程序