摘要
推荐系统已经被广泛应用于日常生活的各个领域,粒关联规则适用于推荐系统的冷启动问题,但粒关联规则存在规则集冗余而干扰推荐的问题。为解决该问题,从粒的性质出发,结合极大频繁项集可以紧凑地表示频繁项集的特点,提出基于极大频繁项集的粒关联规则方法 (MGR算法)来改进粒关联规则算法。利用MovieLens数据集,在不同阈值条件下,对比改进算法与传统粒关联规则算法的规则数量、运行时间和推荐准确率之间的关系。试验表明,改进的算法规则数量减少约1/2,运行时间减少约2/3,在不同阈值和不同划分比例的条件下,改进算法的推荐准确率均高于传统算法。
Combined with the characteristics of maximal frequent item set that can compactly show frequent item set,granular association rules are proposed based on maximal frequent item set to improve granular association rules.The experimental results show that this method can efficiently decrease the number of rules and cut down the running time.In addition,the recommendation accuracy of cold start problem is improved.
作者
李山山
张正炳
付青青
Li Shanshan;Zhang Zhengbing;Fu Qingqing(Yangtze University,Jingzhou 434023)
出处
《长江大学学报（自然科学版）》
CAS
2018年第21期17-21,78,共6页
Journal of Yangtze University(Natural Science Edition)
基金
国家自然科学基金资助项目(51604038)
关键词
粒关联规则
极大频繁项集
推荐系统
冷启动问题
数据挖掘
granular association rules
maximal frequent item set
recommendation system
cold-start problem
data mining
