[发明专利]一种基于关联规则与贝叶斯网络集成的推荐技术在审
| 申请号： | 201610096873.6 | 申请日： | 2016-02-23 |
| 公开（公告）号： | CN107103000A | 公开（公告）日： | 2017-08-29 |
| 发明（设计）人： | 肖建军 | 申请（专利权）人： | 广州启法信息科技有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 510665 广东省*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 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。 | ||
| 搜索关键词： | 一种 基于 关联 规则 贝叶斯 网络 集成 推荐 技术 | ||
【主权项】：
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。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于广州启法信息科技有限公司，未经广州启法信息科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201610096873.6/，转载请声明来源钻瓜专利网。
