基于用户评分的关联规则挖掘协同推荐

提供了一个新颖的方法,使用数据挖掘到电子商务中。提出了一个新的数据库存储结构AFP-树,利用它来挖掘频繁模式。然后利用项目之间的相互关联做出推荐。最后举例说明了此推荐系统的处理过程。

一种高效的频繁模式挖掘算法

在分析研究具有代表性的关联知识挖掘算法的基础上 ,提出了挖掘频繁模式的一个新的数据库存储结构AFP 树 ,并在此结构上设计了一个频繁模式挖掘算法。理论研究已经阐明了AFP 树的有效性和相关算法的高效性。

基于补充频繁模式的P2P搜索优化

为有效提高P2P(Peer to Peer)系统在文件共享应用中的资源搜索速度,解决P2P节点的负载均衡,保证P2P共享系统的稳定性、可靠性和扩展性,提出了一种基于补充频繁模式的快速查询响应方法,主要工作包括:(1)提出满事务和补充频繁模式概念及补充频繁模式树(SFP-Tree)结构,其主要思路是利用具有较高支持度计数的短频繁模式B,吸收与B一起构不成频繁模式但又达到一定共享支持度阀值的单项构成基项集的补充项,B的所有补充单项构成其补充项集S,在此基础上查找包含B的最大频繁项集X,并从S中排除与X一起达不到共享支持度阀值的补充项,从而以X和S的子集构成一个以B为基项集的具有足够长度的补充频繁模式;(2)实现了补充频繁模式的挖掘方法,其主要思路是在构成整个事务数据库升序FP-Tree(AFP-Tree)基础上,递归挖掘条件混合模式树(CMP-Tree),在基项达到指定长度时,生成补充频繁模式树SFP-Tree,在此基础上挖掘带有负项的补充频繁模式,最后针对带有负项的补充频繁模式生成只包含正项的补充频繁模式;(3)模拟一份文件资源的历史响应事务集进行详实的实验,实验结果表明对于数据集规模达到100,000的P2P系统历史响应事务数据库,基于SFP-Tree的补充频繁模式挖掘方法能在20 s以内生成此文件资源的有效响应列表并能选择其中一个列表的有效子集瞬时响应查询请求.