[发明专利]基于加权频繁项集挖掘算法的电商平台个性化推荐方法

权利要求书

1.一种基于加权频繁项集挖掘算法的电商平台个性化推荐方法，其特征在于，包括如下步骤：

步骤1、对电商平台用户访问数据进行预处理，构建电商平台用户访问数据集D；

步骤2、令候选加权频繁1项集集合CWFIS₁等于1项集集合IS₁，并令k＝1；

步骤3、扫描不确定数据集D，对候选加权频繁k项集集合CWFIS_k包含的k项集进行验证，并根据该项集的加权期望支持度是否大于最小加权期望支持度判断该项集是否为加权频繁k项集，从而生成加权频繁k项集集合WFIS_k；

步骤4、若加权频繁k项集集合WFIS_k不为空，对WFIS_k中所有加权频繁k项集按照权重递减排序，得到权重有序频繁k项集集合WSFIS_k，进入步骤5；若加权频繁k项集集合WFIS_k为空，执行步骤7；

步骤5、将权重有序频繁k项集集合WSFIS_k与1项集集合IS₁进行连接，根据加权频繁项集的权重判决向下闭包特性和加权频繁子集存在特性，可得到候选加权频繁k+1项集集合CWFIS_k+1；

步骤6、令k＝k+1，重复执行上述步骤2～步骤5；

步骤7、得到所有加权频繁项集集合为WFIS＝WFIS₁∪WFIS₂∪...∪WFIS_k，根据集合中的关联规则分析，进行个性化推荐。

2.根据权利要求1所述的电商平台个性化推荐方法，其特征在于，步骤1包括：对电商平台用户访问数据进行预处理，具体包括：

对用户不同的访问行为赋予不同的概率值，以反映用户对不同项目的偏好程度；以及，对不同的项目赋予不同的权重值，以反映该项目给商家带来的收益，从而构建电商平台用户访问数据集D。

3.根据权利要求2所述的电商平台个性化推荐方法，其特征在于，步骤3包括扫描电商平台用户访问数据集D，对候选加权频繁k项集集合CWFIS_k中每一个k项集的期望加权支持度进行计算，记候选加权频繁k项集集合CWFIS_k中任意k项集为X，则k项集X的期望加权支持度exp wSup(X)为：

其中，w(X)为项集X的权重，I_j为项集X包含的项目，w(I_j)为项目I_j的权重，j∈(1,2,...,k)，T_q为用户访问数据集D中包含项集X的事务，p(X,T_q)为项集X在事务T_q中的出现概率，p(I_j,T_q)为项目I_j在事务T_q中出现的概率；

若项集X的期望加权支持度expwSup(X)大于等于最小期望加权支持度，即exp wSup(X)≥ε×|D|时，项集X为加权频繁项集，将项集X加入加权频繁k项集集合WFIS_k；否则，项集X为非加权频繁项集；其中，ε为最小期望加权支持度阈值，|D|为数据集D中所包含事务数。

4.根据权利要求3所述的电商平台个性化推荐方法，其特征在于，步骤4中若加权频繁k项集集合WFIS_k不为空，需要对所有加权频繁k项集WFIS_k中元素X₁，X₂，...，X_s按照权重进行递减排序，其中s表示加权频繁k项集集合WFIS_k包含的元素个数，从而得到权重有序频繁k项集集合WSFIS₁＝{(X′₁'),(X′₂),...,(X′_s)}，且w(X′₁)≥w(X′₂),...,≥w(X′_s)。