關(guān)聯(lián)規(guī)則推薦算法分析及評(píng)估
推薦 + 挑錯(cuò) + 收藏(0) + 用戶評(píng)論（0）
現(xiàn)有的關(guān)聯(lián)規(guī)則推薦技術(shù)在數(shù)據(jù)提取時(shí)主要側(cè)重于關(guān)聯(lián)規(guī)則的提取效率，缺乏對(duì)冷、熱門數(shù)據(jù)推薦平衡性的考慮和有效處理。為了提高個(gè)性化推薦效率和推薦質(zhì)量，平衡冷門與熱門數(shù)據(jù)推薦權(quán)重，對(duì)關(guān)聯(lián)規(guī)則的Apriori算法頻繁項(xiàng)集挖掘問題進(jìn)行了重新評(píng)估和分析，定義了新的測評(píng)指標(biāo)推薦非空率以及七前項(xiàng)頻繁項(xiàng)集關(guān)聯(lián)規(guī)則的概念，設(shè)計(jì)了基于K前項(xiàng)頻繁項(xiàng)集的剪枝方法，提出了優(yōu)化Apriori算法且適合不同測評(píng)標(biāo)準(zhǔn)值的七前項(xiàng)頻繁項(xiàng)集挖掘算法，降低頻繁項(xiàng)集提取的時(shí)問復(fù)雜度。理論分析比較與實(shí)驗(yàn)表明，七前項(xiàng)剪枝方法提高了頻繁項(xiàng)集的提取效率，擁有較高的推薦非空率、調(diào)和平均值和推薦準(zhǔn)確率，有效地平衡了冷、熱門數(shù)據(jù)的推薦權(quán)重。
非常好我支持^.^
(0) 0%
不好我反對(duì)
(0) 0%
下載地址
關(guān)聯(lián)規(guī)則推薦算法分析及評(píng)估下載
相關(guān)電子資料下載
- TikTok將開發(fā)獨(dú)立版推薦算法，以滿足美國用戶需求？ 426
- 快手的短視頻推薦算法（1） 782
- 詳解推薦算法的架構(gòu)流程 2871
- 《麻省理工科技評(píng)論》發(fā)布了最新的2021年10大突破性技術(shù)的概念 2814
- top-N推薦算法評(píng)測的影響有哪些？ 1846
- 基于賽靈思FPGA的廣告推薦算法Wide and deep硬件加速案例 2775
- 互聯(lián)網(wǎng)廣告推薦迎來變革，雪湖科技聯(lián)合賽靈思發(fā)布推薦算法解決方案 1614
- 基于阿里云FPGA云的廣告推薦算法加速器 985
- 基于深度學(xué)習(xí)的推薦算法大部分都存在不同程度的數(shù)據(jù)集缺失和源碼缺失 3690
- 基于標(biāo)簽的推薦算法應(yīng)用場景、基于標(biāo)簽的推薦算法原理介紹 16714