关联规则推荐算法分析及评估
大小：0.89 MB 人气： 2018-01-09 需要积分：1
标签：推荐算法(9953)
现有的关联规则推荐技术在数据提取时主要侧重于关联规则的提取效率，缺乏对冷、热门数据推荐平衡性的考虑和有效处理。为了提高个性化推荐效率和推荐质量，平衡冷门与热门数据推荐权重，对关联规则的Apriori算法频繁项集挖掘问题进行了重新评估和分析，定义了新的测评指标推荐非空率以及七前项频繁项集关联规则的概念，设计了基于K前项频繁项集的剪枝方法，提出了优化Apriori算法且适合不同测评标准值的七前项频繁项集挖掘算法，降低频繁项集提取的时问复杂度。理论分析比较与实验表明，七前项剪枝方法提高了频繁项集的提取效率，拥有较高的推荐非空率、调和平均值和推荐准确率，有效地平衡了冷、热门数据的推荐权重。
非常好我支持^.^
(0) 0%
不好我反对
(0) 0%
下载地址
关联规则推荐算法分析及评估下载
相关电子资料下载
- TikTok将开发独立版推荐算法，以满足美国用户需求？ 426
- 快手的短视频推荐算法（1） 782
- 详解推荐算法的架构流程 2871
- 《麻省理工科技评论》发布了最新的2021年10大突破性技术的概念 2814
- top-N推荐算法评测的影响有哪些？ 1846
- 基于赛灵思FPGA的广告推荐算法Wide and deep硬件加速案例 2775
- 互联网广告推荐迎来变革，雪湖科技联合赛灵思发布推荐算法解决方案 1614
- 基于阿里云FPGA云的广告推荐算法加速器 985
- 基于深度学习的推荐算法大部分都存在不同程度的数据集缺失和源码缺失 3690
- 基于标签的推荐算法应用场景、基于标签的推荐算法原理介绍 16714