[发明专利]一种基于FP-growth的歌曲推荐方法

摘要

本发明涉及一种基于FP‑growth的歌曲推荐方法，属于数据挖掘推荐技术领域。先建立一个用户在听歌软件上的歌曲列表数据库，用户账号作为标识符TID，对应的歌曲列表作为一个事务T，所有事务的集合为事务集D；对D进行第一次扫描，计算并保留频繁项歌曲；然后，对D进行第二次扫描，构建频繁模式树FP‑tree，并提取出频繁项集；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推荐排序。本发明与现有技术相比，主要提供了FP‑growth算法对用户所喜欢音乐类型的相似歌曲起到推荐作用，提高用户匹配到喜欢歌曲的效率，同时也增强了听歌软件为用户带来的听歌舒适性。

主权项

1.一种基于FP‑growth的歌曲推荐方法，其特征在于：Step1、建立用户歌曲列表数据库，用户账号作为标识符TID，对应的歌曲列表作为一个事务T，所有事务的集合为事务集D；Step2、对D进行第一次扫描，计算每一个事务T中各项歌曲的支持度计数support_count_x，设置一个最小支持度阈值min_sup，support_count_x≥min_sup的歌曲作为频繁项保留，反之剔除，然后将频繁项按照支持度计数降序排列；Step3、对事务集D进行第二次扫描，每读入一个事务T时，创建标记为其歌曲的节点，然后形成根节点null到歌曲节点的路径，直到每个事务都映射到FP‑tree的一条路径，读入所有事务后形成FP‑tree；Step4、从FP‑tree的每条路径的结尾节点依次向上提取出相应的项集，项集的支持度计数support_count_xj大于等于min_sup时，该项集作为频繁项集l保留，反之剔除；Step5、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Step6、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，当输入一个歌曲时，通过关联规则得出与该歌曲相关联的其他歌曲。