基于关联规则挖掘的分类随机游走算法

随着互联网技术的不断进步和互联网的飞速发展,人们可以很方便地在互联网上寻找各种各样的信息。用户在寻找他们真正感兴趣的信息时会花费大量的时间,从而导致效率不高,这种现象被称作"信息过载"。推荐系统是解决信息过载问题的一种行之有效的方法。目前,推荐系统中应用最广泛的两种推荐技术是基于内容的推荐算法和协同过滤推荐算法,但其不能很好地处理冷启动和稀疏性问题。为了更好地解决这两个问题,在对传统分类随机游走算法进行改进的基础上,提出了基于关联规则挖掘的分类随机游走算法。该算法利用关联规则挖掘的特性,挖掘用户属性与项目之间的关联,为新用户构造初始的评分向量,弥补了经典算法的不足,较好地处理了冷启动问题。验证实验结果表明,该算法具有较好的有效性和精确性。