文献类型：期刊文章

作　　者：纪文璐[1] 王海龙[1] 苏贵斌[2] 柳林[1]

JI Wenlu;WANG Hailong;SU Guibin;LIU Lin(College of Computer Science and Technology,Inner Mongolia Normal University,Hohhot 010020,China;Office of Educational Administration,Inner Mongolia Normal University,Hohhot 010020,China)

机构地区：[1]内蒙古师范大学计算机科学技术学院,呼和浩特010020 [2]内蒙古师范大学教务处,呼和浩特010020

出　　处：《计算机工程与应用》

基　　金：国家重点研发计划项目(No.2017YFB1402100);内蒙古自治区自然科学基金(No.2015MS0631,No.2020MS06030)。

年　　份：2020

卷　　号：56

期　　号：22

起止页码：33-41

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSCD、CSCD_E2019_2020、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：目前传统推荐算法已经被广泛应用于各类推荐系统,然而在推荐过程中仍然存在着无法处理非结构化数据、数据潜在关系发现困难、数据稀疏和冷启动等问题。关联规则技术的出现有效缓解了这些问题,推荐效率也因此得到提高。将关联规则技术的特殊属性与推荐算法进行高质量的结合成为推荐领域的研究热点。通过综述关联规则技术与数据的不同关联规则类别在传统推荐算法中的应用,对传统算法在推荐过程中的优缺点进行了归纳阐述。针对基于关联规则推荐算法的研究进行总结,并对其未来的发展趋势进行展望。

关 键 词：关联规则 数据挖掘 推荐算法  协同过滤

分 类 号：TP391]