[发明专利]一种基于Apriori的图书推荐方法

说明书

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。

技术领域

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。

背景技术

当前，图书的种类与数量呈现爆炸型增长趋势。人们在不断获取各种领域、各种风格的 信息时，图书非常庞大的数量对读者在合适图书的选择上造成了一定干扰和影响。

Apriori算法是一种挖掘关联规则的频繁项集算法，其核心思想是通过候选集生成和情节 的向下封闭检测两个阶段来挖掘频繁项集。而且算法已经被广泛的应用到商业、网络安全等 各个领域，但还没有应用到图书推荐领域。

发明内容

本发明要解决的技术问题是提供一种基于Apriori的图书推荐方法，将Apriori算法应用 到图书借阅推荐中，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。

本发明的技术方案是：一种基于Apriori的图书推荐方法，包括如下步骤：

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、……l_k-1、l_k的集合L₂、L₃……L_k-1、L_k，其中l_k-1、 l_k分别代表频繁k-1项集和频繁k项集，L_k-1、L_k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。

具体地，所述步骤Step1中，图书借阅记录数据库具有所有图书借阅记录数据信息，数 据字段包括读者名字段与所借阅的图书名字段。