一种基于关联规则与贝叶斯网络集成的推荐技术制造技术

针对商务网站的智能推荐技术，在关联规则的基础上学习贝叶斯网络结构，基于最优贝叶斯网络预测当前用户访问各网址的条件概率，找出条件概率最大的N个网址推荐给用户。首先，对网址进行关联分析，并将关联规则按提升度排序。然后，依据关联规则前后件的关系，将关联规则转化成初始贝叶斯网络。再然后对初始贝叶斯网络进行结构学习，寻找最优贝叶斯网络结构，并学习最优贝叶斯网络结构的参数。最后使用贝叶斯方法预测当前用户访问未知网址的概率，将概率最大的N个网址推荐给用户。本发明专利技术创造性地将关联规则和贝叶斯网络两种数据挖掘方法集成运用在网站智能推荐上，这两种方法结合互补，提高了模型的精确度和运算效率。

【技术实现步骤摘要】
一种基于关联规则与贝叶斯网络集成的推荐技术
本专利技术涉及商务类网站的智能推荐
，具体涉及将关联规则与贝叶斯网络集成的推荐算法。
技术介绍
互联网和信息技术快速发展使得商务网站交易越来越频繁，大量的信息聚集起来形成海量信息。帮助用户从海量信息中快速准确地寻找到自己感兴趣的信息，建立一个有效的推荐系统，可以使商务网站建立稳定的企业忠实顾客群，提高用户满意度。关联规则由于形式很简单，应用方便，得到快速的发展。关联规则可用于发现商务网站交易数据库中不同项目之间的联系,这些规则反映了用户的网站浏览模式。发现这些规则可以应用向用户推荐感兴趣的网址。自从关联规则提出以来，已成为主流的推荐技术。但是关联规则不能表达不同规则之间的联系，这极大地限制了关联规则在复杂情形下的应用。而贝叶斯网络用图形化的形式表示了如何将与一系列节点相关的条件概率函数组合成为一个整体的联合概率分布函数。一个贝叶斯网络包括了一个结构模型和与之相关的一组条件概率分布函数。结构模型是一个有向无环图，其中的节点表示了随机变量，它是对于过程、事件、状态等实体的某特性的描述，边则表示变量间的概率依赖关系。图中的每个节点都有一个在本文档来自技高网...

【技术保护点】
针对商务类网站的智能推荐技术，其特征在于将关联规则与贝叶斯网络集成，基于贝叶斯网络预测当前用户访问各网址的条件概率，找出条件概率最大的N个网址推荐给用户，方法包括以下步骤：首先，对网址进行关联分析，得到关联规则，并按提升度排序，然后，依据关联规则前后件的关系，将关联规则转化成初始贝叶斯网络，再然后对初始贝叶斯网络进行结构学习，寻找最优贝叶斯网络结构，学习最优贝叶斯网络结构的参数，最后使用贝叶斯方法预测当前用户访问未知网址的概率，将概率最大的N个网址推荐给用户。

【技术特征摘要】
1.针对商务类网站的智能推荐技术，其特征在于将关联规则与贝叶斯网络集成，基于贝叶斯网络预测当前用户访问各网址的条件概率，找出条件概率最大的N个网址推荐给用户，方法包括以下步骤：首先，对网址进行关联分析，得到关联规则，并按提升度排序，然后，依据关联规则前后件的关系，将关联规则转化成初始贝叶斯网络，再然后对初始贝叶斯网络进行结构学习，寻找最优贝叶斯网络结构，学习最优贝叶斯网络结构的参数，最后使用贝叶斯方法预测当前用户访问未知网址的概率，将概率最大的N个网址推荐给用户。2.根据权利要求1所述的针对商务类网站的智能推荐技术，其特征在于，所述的将关联规则与贝叶斯网络集成，是对原始事务集使用Apriori算法得到具有单个后件属性状态的关联规则，按提升度排序后,将其转化成贝叶斯网络结构，贝叶斯网的结构是一个有向无环图，图中的每一个节点唯一地对应一个随机变量，节点的状态对应于随机变量的值，图中的有向边表示变量（节点）之间的条件（因果）依赖关系，关联规则的前件和后件间也蕴含着一种依赖关系，转化的思路就是将关联规则中的这种依赖关系用贝叶斯网的结构表示出来。3.根据权利要求1所述的针对商务类网站的智能推荐技术，其特征在于，所述的贝叶斯预测，将所有网址是否被访问看成一组随机向量变量，当前用户的历史访问记录就是一个样本，结合这个样本数据和参数先验，预测某个网址被访问的概率，变量包含贝叶斯网络节点和非贝叶斯网络节点两部分，假设贝叶斯网络节点条件独立，非贝叶斯网络节点相互独立，贝叶斯网络节点和非贝叶斯网络节点相互独立。4.根据权利要求1所述的商务类网站的智能推荐技术，所述的将关联规则与贝叶斯网络集成推荐的算法具体步骤如下：1）数据预处理，在对原始数据的探索分析的基础上，发现与分析目标无关或模型需要处理的数据，针对此类数据进行处理，通过数据清洗、数据集成和数据变换，将原始数据处理成模型需要的输入数据，其中为用户集，为网址集；2）关联规则，首先将数据集D转化成事务集DT,考虑到要与贝叶斯网络对应，本发明只分析具有单个后件属性状态的关...

【专利技术属性】
技术研发人员：肖建军，
申请(专利权)人：广州启法信息科技有限公司，
类型：发明
国别省市：广东,44