基于Apriori算法的购物网站商品推荐系统

目  录

一、 算法内容 3

Step 1 收集用户偏好 3

Step 2 对数据进行预处理 3

Step 3 计算相似度 4

Step 4 找邻居 5

Step 5 计算推荐 6

二、 预期结果 6

三、 对比和讨论 7

一、 算法内容

Step 1 收集用户偏好

Step 2  对数据进行预处理

Section A min-max归一化处理

² 对评分进行归一化处理

  (为归一化后的取值，为原值)

² 对查看次数进行归一化处理

 (为归一化后的取值，为原值)

Section B  根据不同行为对用户喜好的反映程度，对进行加权处理，得到最终用户偏好权值：

注：为经科学分析后得出的权值

Section C  得到用户偏好的二维矩阵，纵向为用户列表，横向为物品列表，值是用户对物品的偏好，取值范围为 [0,1] 的浮点数值

Step 3  计算相似度

假设用户数为,商品数为,用户偏好的二维矩阵为：

Section A 计算不同用户间的Pearson相关系数

用户偏好矩阵中的行向量表示用户，通过计算行向量间的Pearson相关系数，衡量用户间的相似度。

任意两用户间的相似度为：

     ()

由此可得到用户相似度矩阵为：

Section B 计算不同商品间的Pearson相关系数

用户偏好矩阵中的列向量表示商品，通过计算列向量间的Pearson相关系数，衡量商品间的关联度。

任意两商品间的关联度为：

     ()

由此可得到商品关联度矩阵为：