作者：王桌芳; 赵会军; 李聪; 赵煜; 刘震兴趣度数据挖掘apriori算法web推荐
摘要：对于经典的关联规则数据挖掘算法,其采用的重复性事务分析策略会导致频繁项集在计算中存在一定的不确定性,从而不利于算法的精简和优化。为此提出一种基于兴趣度度量函数的Web服务多类数据挖掘算法。采取差异概率兴趣度量规则对关联规则算法中的时序事务进行估计和权重的预测;基于Web服务用户兴趣度进行约束条件设计,实现数据挖掘关联规则的精简;基于支持度函数和期望函数进行事务项集的提取,结合事务项集的置信度对其规则进行导出。选取经典的Web服务UCIWeb测试集作为实验对象进行算法的性能验证,结果显示该算法可有效提升数据挖掘算法的性能,对于降低用户Web访问复杂性具有非常好的效果。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
