| 数据稀疏情况下的关联规则扩展与应用 |
| |
| 引用本文： | 刘克礼.数据稀疏情况下的关联规则扩展与应用[J].教育技术导刊,2020,19(7):158-160. |
| |
| 作者姓名： | 刘克礼 |
| |
| 作者单位： | 安徽广播电视大学 信息工程学院，安徽 合肥 230022 |
| |
| 基金项目： | 安徽省教育厅高校自然科学研究项目（KJ2018A0686，KJ2017A943）；安徽省教育厅质量工程研究项目（2018zhkt151） |
| |
| 摘 要： | 在网络学习平台中，如何有效推荐学习资源具有重要意义。为进一步提高在数据稀疏情况下的关联规则推荐效率，从相似性角度出发，引入学习资源文本信息，通过构建学习资源相似度矩阵，提出一个基于资源相似度的关联规则扩展方法，从而在历史数据稀疏的情况下生成关联规则推荐。实践结果表明，基于同一数据对象进行研究，通过扩展关联规则方法可以提高推荐的有效性和实用性。
|
| 关 键 词： | 关联规则 Apriori 规则扩展 数据挖掘 |
| 收稿时间： | 2020-04-14 |
Extension and Application of Association Rules in Data Sparse Cases |
| |
| LIU Ke-li.Extension and Application of Association Rules in Data Sparse Cases[J].Introduction of Educational Technology,2020,19(7):158-160. |
| |
| Authors: | LIU Ke-li |
| |
| Institution: | School of Information Engineering ，Anhui Open University，Hefei 230022，China |
| |
| Abstract: | In the network learning platform，how to effectively recommend learning resources is of great significance. To further improve the efficiency of association rule recommendation in the case of sparse data，from the perspective of similarity，this paper introduces the text information of learning resources，and constructs a similarity matrix of learning resources to propose an association rule
expansion method based on resource similarity. Correlation rule recommendation is generated when the data is sparse. The practical results show that the effectiveness and practicability of recommendation can be improved by extending association rules based on the same data. |
| |
| Keywords: | the association rule Apriori rule extension data mining |
|
| 点击此处可从《教育技术导刊》浏览原始摘要信息 |
| 点击此处可从《教育技术导刊》下载免费的PDF全文 |
