关联规则算法在电子商务推荐系统中的应用探讨

通过数据挖掘在电子商务推荐系统中的运用,在使用关联算法的基础上为客户构建虚拟导购。同时,可分析某一热销产品捆绑另一产品可被一同购买的几率为多少。通过对客户偏好的商品类别分析和捆绑销售模式为顾客提供量身定制的服务,同时将电子商务平台所得利益最大化。本文简要介绍了电子商务推荐系统,在积累了前人构建挖掘模型的基础上建立了基于Apriori算法的电子商务推荐系统。研究关联规则算法在电子商务推荐系统中的应用,目前,Apriori算法已被广泛的运用到多个领域,准确度高、简单化等优点十分利于机器记忆与学习。     

基于关联规则的个性化推荐在数字图书馆中的应用研究

协同过滤技术被成功地应用于个性化推荐系统中,但随着系统规模扩大,它的效能逐渐降低.针对此缺点,提出了一种运用关联规则和协同过滤技术相结合的个性化推荐系统模型,这种推荐模型既能有效解决单独关联规则推荐不适合同类图书推荐问题,又能有效解决协同过滤算法不适合异类图书推荐问题;既能有效处理数字图书馆中图书种类和类别层次繁多的图书推荐问题,又能加快推荐速度,在数字图书馆系统中具有良好的推荐效果和应用前景.     

关联规则在图书个性化推荐技术中的应用

图书馆的网络化、数据化的发展导致很多新用户无法找到需要的文件,所以,根据用户的特殊需要提供良好的图书个性化推荐是现在面临的一个重要问题。关联规则的目的是利用技术手段,当用户在浏览网站时能够根据客户的特殊需求实时准确地推荐其可能感兴趣的相关图书．该技术是提高网站服务质量和增加访问频率的一种重要手段。     

关联规则的开采算法在文本分类中的应用

阐述传统关联规则开采模型，提出新的文本关联的开采算法，并将其应用到文本分类中。     

关联规则Apriori算法在入侵检测中的应用分析

入侵检测是一种动态的网络安全技术,其检测规则的建立是入侵检测性能好坏的关键.通过对关联规则Apriori算法的分析,通过减少数据扫描的事务量来优化该算法.应用于入侵检测系统中起到了较好的效果.     

基于SQL Server的关联规则算法在高校招生中的应用

该文介绍了数据挖掘、关联规则、Apriori算法的基本概念,同时基于Microsoft数据库平台 SQL Server 2005,结合BI Development Studio的分析服务功能SSAS,利用Microsoft关联规则数据挖掘算法对招生系统中数据进行数据处理和数据挖掘,从而找出强关联规则,为高校的招生提供参考依据。     

数据挖掘中关联规则算法及其应用

介绍了关联规则经典算法,提出了对其进行改进的一些技术及其应用领域.     

基于关联规则算法的改进研究

目前，已经提出了许多挖掘关联规则的算法及其变型，其中最著名的是Apriori算法，但传统的算法效率太低，为了解决这些问题，提出了一种快速更新的关联挖掘算法。     

基于遗传退火算法的关联规则挖掘

把模拟退火算法具有全局平衡的特性引入到遗传算法中来,避免了遗传算法收敛性慢以及容易陷入早熟的特点,提出了一种基于遗传退火策略的关联规则挖掘模型。实验结果表明,与遗传算法相比,改进的算法更能有效挖掘大型数据集中的关联规则。     

基于Apriori算法的加权关联规则挖掘

本文研究了论文“基于Apriori算法的水平加权关联规则挖掘”中的New-A-Apriori算法，指出了该算法的不足及错误之处，提出了一种挖掘加权频繁项集的算法MWFS。并通过具体实例说明了采用MWFS算法的挖掘过程。     

关联规则在教学评价中的应用

利用Apriori算法结合SQL查询语言挖掘隐藏在教师教学评价系统中的信息,以分析教师课堂教学效果与教师整体素质的关系。根据给定的最小支持度和记录数,产生频繁项集,最后由最小置信度和频繁项集生成关联规则,实现关联规则挖掘的目的,并对发现的规则进行分析,找到了教师教学效果好坏与教师年龄、职称和学历的相关性,从而为教学部门提供了决策支持信息。     

关联规则挖掘算法的研究

本文介绍了数据挖掘中的关联规则经典Apriori算法.针对Apriori算法在执行速度和效率上的缺点,提出了一种改进的Apriori算法.     

关联规则算法综述

介绍了关联规则的概念及挖掘的过程,以Apriori算法为例,阐明了算法思想及其优化方法,描述了关联规则在社会生活领域的应用。     

基于现有数据挖掘结果的关联规则更新算法

Apriori算法是整个关联规则算法的基础.它必须对数据库进行重复性扫描.效率低,耗时巨大.针对关联规则的维护问题,提出利用已生成关联规则的挖掘结果进行更新的算法,仅需对数据库进行两次扫描,提高了关联规则的更新效率.     

基于加权关联规则算法的学生成绩数据挖掘研究

对学生成绩数据挖掘的研究、开发、应用,可以进一步探讨数据挖掘的过程、功能;并且用于指导帮助学生发现、认识学习的一些基本规律;同时也可以为教师、教学部门提供相应的决策依据。文章通过对加权关联规则算法的研究,进一步提高了算法的运行效率,以及数据挖掘结果的有效性、可用性。     

Web挖掘的关联规则优化算法

对Apriori算法进行优化,提出了一种Z_Apriori算法。该算法在首次产生频繁项集时,扫描数据库并通过二进制编码串记录每个项目在事务里是否出现过,在每次进行计算迭代过程中无需再对数据库进行扫描,避免了对数据库的重复扫描,在系统性能和效率上较经典的Apriori算法有一定的改善。     

基于关联规则的站内搜索引擎设计

站内搜索引擎是充分利用网站资源、迅速提供有效信息的最佳工具,是查寻网站内部信息的密钥。而针对不同用户的操作记录,利用关联规则进行数据挖掘,分析出用户信息需求的关系,并在站内搜索中向用户提供其推荐信息,从而使网站资源得到充分的发挥,方便了用户查找信息,增加网站对上网者的吸引力。     

一种新的加权关联规则算法

为了解决MINWAL(O)算法存在的重复扫描数据库、挖掘出的加权频繁项集可能包含多个权值较低的项目等问题,提出一种新的加权关联规则算法.该算法定义了新的加权关联规则模型,提出最小支持期望的概念用于候选项集的修剪,挖掘出感兴趣的加权频繁项集.测试结果证明该算法有较高的时间效率.     

改进的关联规则挖掘算法及其在课程设置中的应用

通过对Apriori算法的分析与研究,指出其在实用中存在的主要问题,提出改进算法.最后将算法应用到教育信息挖掘中,发现一些有价值的规则,为学校的教育决策和教学管理提供有指导意义的信息.     

基于弱点数据库的多维关联规则算法研究

文章在研究多维关联规则挖掘算法的基础上,提出了一种适合关系型弱点数据库的高效的多维关联规则挖掘算法AprioriTidList ＋.该算法以Apriori算法思想为核心,通过对单维的层次算法AprioriTidList进行改造得到.通过与多种算法的比较、分析,对AprioriTidList＋算法的优点进行了介绍.