文献类型：期刊文章

作　　者：田建勇[1] 石林江[1]

TIAN Jian-yong;SHI Lin-jiang(School of Electronic and Information Engineering,Anshun University,Anshun 561000,China)

机构地区：[1]安顺学院电子与信息工程学院,贵州安顺561000

出　　处：《控制工程》

基　　金：贵州省科技厅、安顺市政府、安顺学院三方联合基金项目(黔科合LH字[2017]7046号)。

年　　份：2020

卷　　号：27

期　　号：6

起止页码：1004-1011

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD_E2019_2020、JST、PROQUEST、ZGKJHX、核心刊

摘　　要：针对Apriori算法多次扫描产生大量候选集,挖掘大数据库关联规则效率较低等问题,提出了一种融合布尔矩阵和项目特性的关联规则挖掘算法。算法将事务集看作行向量,项目集看作列向量,通过扫描事务数据集构建反映事务集和项目集关系的布尔矩阵,根据事务数据集布尔矩阵得到关联规则;同时将用户对某一商品的兴趣扩展为对商品特性的兴趣,并根据挖掘出特性间的置信度和用户预测评分对数据项目进行评分,然后采用Top-N推荐算法对关联规则进行推荐。实例分析推演了本算法关联挖掘的流程,仿真实验分析了本算法支持度阈值和置信度阈值与F1-Score值间的关系,确定了最优阈值。对比实验表明,本算法在关联规则推荐中的准确率、召回率和F1-Score值都均高于其他两种同类算法。

关 键 词：关联规则 APRIORI算法 布尔矩阵 项目特性  项目评分  

分 类 号：TP311]