[发明专利]一种基于Apriori的图书推荐方法

摘要

本发明涉及一种基于Apriori的图书推荐方法，属于数据挖掘推荐技术领域。本发明先建立一个读者借阅图书记录的数据库；然后将每一本图书作为一个候选1项集，引入Apriori算法计算出不同项数的频繁项集；其次，由各频繁项集产生相应的强关联规则，并计算出各强关联规则的置信度大小；最后，通过各强关联规则的置信度大小，将这些频繁项集进行排序推荐给读者。本发明与现有技术相比，主要提供了Apriori算法对读者借阅的图书起到兴趣关联推荐作用，提高读者借阅图书时对查找感兴趣图书的准确性与高效性。

主权项

1.一种基于Apriori的图书推荐方法，其特征在于：Step1、建立读者借阅图书记录的数据库，读者信息作为标识符TID，所借阅的图书列表作为一个事务T，所有事务的集合为事务集D；Step2、引入Apriori算法，每本图书作为一个候选1项集c1，所有c1的集合为C1，设置一个最小支持度阈值min_sup，当c1的支持度计数support_count(c1)大于等于min_sup时，则c1成为频繁1项集l1，所有l1的集合为L1，通过将L1与自身相连接产生候选2项集c2，所有c2的集合为C2，如果C2中第i个候选2项集c2(i)的某个子集为第x个候选1项集c1(x)，且它不是L1的元素时，则将c2(i)从C2中删除；满足min_sup的c2作为频繁2项集l2，其集合为L2；依次循环类推，得到不同频繁项集l2、l3、……lk‑1、lk的集合L2、L3……Lk‑1、Lk，其中lk‑1、lk分别代表频繁k‑1项集和频繁k项集，Lk‑1、Lk则为它们各自的集合；Step3、设置一个最小置信度阈值min_conf；每个频繁项集l所产生的每个非空子集为s，若子集(l‑s)与s的支持度计数之比大于等于最小置信度阈值min_conf，则输出强关联规则该强规则的置信度大小为l与s的支持度计数之比的值Step4、将所计算出来的所有强关联规则按照其置信度confidence的大小进行排序，当输入一本图书时，通过关联规则得出与该图书相关联的其他图书。