排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
关联规则挖掘是解决电子商务推荐问题的重要方法之一.针对传统关联规则挖掘算法在解决移动电子商务环境个性化推荐问题时反复扫描数据库,频繁项挖掘效率低,关联规则挖掘准确率低以及规则大量冗余等不足,提出一个基于事务矩阵和用户兴趣度的关联规则挖掘算法(Matrix-and-Interestingness-based Association Rules Mining,MIbARM).该算法仅需扫描一次数据库,并在挖掘过程中不断缩小算法搜索空间以避免生成冗余候选项,同时避免了冗余规则挖掘,从而提高了挖掘效率.最后,在四组人工数据和160种参数组合的数值实验环境下,引入Apriori、CBAR 及BitTableFI算法对MIbARM进行对比验证.结果表明,在不减少有趣规则的前提下,MIbARM不但可有效避免冗余候选项集的产生,而且大幅减少了冗余规则数量,极大提高了算法的搜索效率,同时提升了个性化推荐的质量,更适用于移动电子商务环境下的个性化推荐问题. 相似文献
2.
在移动商务餐饮服务中如何对考虑情境信息的用户需求和服务信息进行有效的知识表示和推理是实现个性化服务的关键.本研究在移动商务餐饮服务中充分考虑情境信息,采用本体和SWRL服务规则搭建了基于情境的餐饮服务知识模型,实现了情境信息与餐饮服务知识的共享和交互.在此基础上,针对服务规则提出基于情境优先顺序的推理优化方法,有效解决了移动商务餐饮服务中基于情境的实时性推荐问题.实验结果表明:该方法有效解决了规则推理的结果冲突问题,并可提高餐饮供需匹配服务的质量.本研究为实现移动商务下的餐饮菜品推荐服务提供了基础. 相似文献
1