發(fā)布時(shí)間：2020-10-27 11:31

　　 針對(duì)傳統(tǒng)的流通數(shù)據(jù)關(guān)聯(lián)規(guī)則檢測(cè)方法存在檢測(cè)時(shí)間較長(zhǎng)、準(zhǔn)確率較低等問(wèn)題,提出一種基于Kullback-Leibler散度的定期借閱圖書(shū)流通數(shù)據(jù)關(guān)聯(lián)規(guī)則檢測(cè)方法。將定期借閱圖書(shū)流通數(shù)據(jù)符號(hào)化,并利用符號(hào)序列的頻繁序列作為圖書(shū)流通數(shù)據(jù)關(guān)聯(lián)度的衡量指標(biāo),計(jì)算圖書(shū)流通數(shù)據(jù)頻繁序列中兩個(gè)特征項(xiàng)之間的相對(duì)熵,將其作為圖書(shū)流通數(shù)據(jù)頻繁序列特征項(xiàng)之間流通數(shù)據(jù)近似度。利用平均相對(duì)熵模型計(jì)算頻繁序列中全部特征項(xiàng)與頻繁序列主題之間的關(guān)聯(lián)度;對(duì)得到的關(guān)聯(lián)度值采取加權(quán)求和操作,獲得兩個(gè)圖書(shū)流通數(shù)據(jù)之間的關(guān)聯(lián)規(guī)則,實(shí)現(xiàn)定期借閱圖書(shū)流通數(shù)據(jù)關(guān)聯(lián)規(guī)則檢測(cè)。實(shí)驗(yàn)結(jié)果表明,所提方法能夠快速、準(zhǔn)確地對(duì)圖書(shū)流通數(shù)據(jù)進(jìn)行關(guān)聯(lián)規(guī)則檢測(cè)。
【部分圖文】：

1)從3個(gè)數(shù)據(jù)集中隨機(jī)選取500、1000、1500、2000個(gè)記錄,分別作為測(cè)試數(shù)據(jù)集test1、test2、test3、test4,最小支持度設(shè)定為15%,不同數(shù)據(jù)關(guān)聯(lián)規(guī)則檢測(cè)方法運(yùn)行時(shí)間如圖1所示。2)關(guān)聯(lián)規(guī)則檢測(cè)的正確率和運(yùn)行時(shí)間是評(píng)估數(shù)據(jù)關(guān)聯(lián)規(guī)則檢測(cè)方法性能的兩個(gè)關(guān)鍵評(píng)價(jià)指標(biāo),在MATLAB平臺(tái)下,采用10-折交叉驗(yàn)證法,對(duì)常用的FP-GROWTH方法和所提方法在3個(gè)訓(xùn)練數(shù)據(jù)集上的關(guān)聯(lián)規(guī)則預(yù)測(cè)正確率進(jìn)行對(duì)比。對(duì)比結(jié)果如表2所示。表2中,DS表示不同的數(shù)據(jù)集,MS表示最小支持度(%),NR表示規(guī)則數(shù),單位為個(gè),用g表示,DA表示檢測(cè)正確率提升比(%)。
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 孫啟亮;牟超;孟瑤;;基于頻繁序列挖掘的男女生上網(wǎng)模式差異研究[J];現(xiàn)代計(jì)算機(jī)(專(zhuān)業(yè)版);2017年17期

2 崔巍;安海忠;武森;;一種挖掘加權(quán)最大頻繁序列的新算法[J];情報(bào)雜志;2009年10期

3 胡楓;金遠(yuǎn)平;;一種基于哈夫曼樹(shù)的最大頻繁序列挖掘算法[J];微電子學(xué)與計(jì)算機(jī);2008年08期

4 譚小球;姚敏;顧沈明;;基于最大頻繁序列模式樹(shù)的個(gè)性化頁(yè)面推薦[J];微電子學(xué)與計(jì)算機(jī);2006年09期

5 衛(wèi)錦花;吳陳;;基于最大頻繁序列的蛋白質(zhì)分類(lèi)算法[J];江蘇科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年S1期

6 王芳;王培群;朱春節(jié);;基于頻繁序列挖掘的預(yù)取算法研究與實(shí)現(xiàn)[J];計(jì)算機(jī)研究與發(fā)展;2016年02期

7 王濤;;壓縮頻繁序列模式集[J];小型微型計(jì)算機(jī)系統(tǒng);2008年03期

8 劉昆;;基于時(shí)間序列數(shù)據(jù)的緊密連續(xù)頻繁序列挖掘算法[J];曲靖師范學(xué)院學(xué)報(bào);2008年06期

9 王濤;盧炎生;;使用序列模式精簡(jiǎn)基挖掘序列模式[J];小型微型計(jì)算機(jī)系統(tǒng);2005年10期

10 劉佳新;;基于頻繁序列樹(shù)的交互式序列模式挖掘算法[J];計(jì)算機(jī)技術(shù)與發(fā)展;2012年05期

相關(guān)碩士學(xué)位論文 前10條

1 李珊珊;基于頻繁序列挖掘以及全局關(guān)聯(lián)圖的旅游景點(diǎn)推薦研究[D];山東科技大學(xué);2018年

2 葛慧晗;基于頻繁序列挖掘的銀行風(fēng)險(xiǎn)用戶檢測(cè)的研究與實(shí)現(xiàn)[D];北京郵電大學(xué);2019年

3 張皓;海量數(shù)據(jù)下基于層級(jí)樹(shù)的頻繁序列模式挖掘[D];哈爾濱工業(yè)大學(xué);2018年

4 李健;基于Spark的頻繁序列情節(jié)挖掘算法研究[D];西安電子科技大學(xué);2018年

5 李長(zhǎng)鏡;基于極大頻繁序列模式的文本分類(lèi)方法[D];河北師范大學(xué);2018年

6 熊凱;基于最小位置的頻繁序列和閉序列挖掘方法研究[D];東北大學(xué);2012年

7 何光輝;多層高維頻繁序列挖掘算法研究[D];重慶大學(xué);2004年

8 但紅衛(wèi);基于偏序的頻繁序列模式壓縮算法研究[D];浙江大學(xué);2007年

9 郭浩;曲靖師范學(xué)院圖書(shū)流通管理系統(tǒng)的研究與分析[D];云南大學(xué);2018年

10 王延武;云南經(jīng)濟(jì)管理職業(yè)學(xué)院圖書(shū)流通控制管理信息系統(tǒng)的分析與設(shè)計(jì)[D];云南大學(xué);2013年

本文編號(hào)：2858467