劉福剛

摘?要：建構(gòu)一個(gè)可以挖掘出關(guān)聯(lián)特質(zhì)的自動(dòng)化推薦系統(tǒng)改進(jìn)ART算法——MART算法.MART算法在推薦系統(tǒng)特性基礎(chǔ)上，實(shí)現(xiàn)聚類(lèi)和判斷用戶(hù)屬性的重要性，使推薦系統(tǒng)可以設(shè)置每一個(gè)屬性節(jié)點(diǎn)的權(quán)重，實(shí)現(xiàn)用戶(hù)的分組，進(jìn)而達(dá)到數(shù)據(jù)挖掘的目的.

關(guān)鍵詞：數(shù)據(jù)挖掘;自動(dòng)化推薦系統(tǒng);ART算法

[中圖分類(lèi)號(hào)]TP311.1 ???[文獻(xiàn)標(biāo)志碼]A

Analysis of Improved ART Algorithm for AutomaticRecommendation System

LIU Fugang

（The Department of Computer，Huainan Union University，Huainan 232001，China）

Abstract：MART algorithm —an improved ART algorithm for automatic recommendation system was put forward for mining related characteristics. Based on the recommendation of system characteristics， clustering and the identification of user property were realized. This enables weight setting for each property node， as well as user grouping， thus achieving data mining.

Key words：data mining; automatic recommendation system; ART algorithm

數(shù)據(jù)挖掘技術(shù)通過(guò)分類(lèi)、回歸和時(shí)間序列方法的結(jié)合應(yīng)用，可以實(shí)現(xiàn)數(shù)據(jù)挖掘技術(shù)相關(guān)功能，對(duì)數(shù)據(jù)進(jìn)行有針對(duì)的相似性度量和量綱分析.ART神經(jīng)網(wǎng)絡(luò)技術(shù)能夠預(yù)處理用戶(hù)的個(gè)人信息，提取用戶(hù)的個(gè)性化屬性信息，獲取不同用戶(hù)的類(lèi)型信息，實(shí)現(xiàn)對(duì)用戶(hù)的分類(lèi)，在數(shù)據(jù)挖掘技術(shù)的應(yīng)用下實(shí)現(xiàn)數(shù)據(jù)分析，為用戶(hù)提供個(gè)性化的推薦信息.自動(dòng)推薦機(jī)制的處理流程包括預(yù)處理階段和在線(xiàn)階段.在線(xiàn)自動(dòng)化推薦機(jī)制中，運(yùn)用ART神經(jīng)網(wǎng)絡(luò)技術(shù)實(shí)現(xiàn)用戶(hù)個(gè)人資料的預(yù)處理，在網(wǎng)絡(luò)上用戶(hù)發(fā)出服務(wù)請(qǐng)求的時(shí)候，系統(tǒng)會(huì)識(shí)別用戶(hù)提出的類(lèi)型信息，并依照客戶(hù)的信息類(lèi)型尋找相應(yīng)規(guī)則，挖掘用戶(hù)的興趣度信息，最后展現(xiàn)給用戶(hù)個(gè)性化的推薦信息.ART網(wǎng)絡(luò)結(jié)構(gòu)的組成包括輸出層、輸入層以及網(wǎng)絡(luò)連接層.在ART算法處理應(yīng)用中，第一步要設(shè)置好用戶(hù)屬性和其對(duì)應(yīng)的輸入向量，其初始向量的范圍在（0，1）間;第二步進(jìn)行初始化輸出點(diǎn)的個(gè)數(shù)，假設(shè)在ART網(wǎng)絡(luò)開(kāi)始階段初始輸出點(diǎn)有且僅有一個(gè).第二步實(shí)施權(quán)重矩陣W的初始化，將實(shí)驗(yàn)向量輸入到ART網(wǎng)絡(luò)中的輸入層;隨之將輸入向量和第j個(gè)輸出集匹配度表示出來(lái)，輸入向量采用的是二進(jìn)制表示值，尋找和輸入向量存在最大匹配度第j個(gè)輸出集，計(jì)算出兩者之間的相似度.

ART聚類(lèi)算法也存在著一些不足，主要表現(xiàn)在以下兩個(gè)方面：對(duì)于屬性向量“同或”狀態(tài)的考慮問(wèn)題，對(duì)于典型的相似度比較，沒(méi)有能夠全面的考慮，因此需要進(jìn)行相關(guān)的改進(jìn)優(yōu)化.通過(guò)整合ART和數(shù)據(jù)挖掘技術(shù)，針對(duì)自動(dòng)化推薦系統(tǒng)的特性進(jìn)行相應(yīng)的改進(jìn)，這時(shí)MART算法便應(yīng)運(yùn)而生.[1]

1?自動(dòng)化推薦系統(tǒng)中ART網(wǎng)絡(luò)聚類(lèi)算法的改進(jìn)

對(duì)ART相似度分析是實(shí)現(xiàn)對(duì)最大匹配度節(jié)點(diǎn)j*外權(quán)向量wj*和輸入向量X對(duì)應(yīng)位子中“1”個(gè)數(shù)的對(duì)比分析，但其存在著明顯的不足，筆者將相似值計(jì)算公式做了改進(jìn)，見(jiàn)式（1）.

V[j]=∑pi=1（W[i][j*]·X[i]）·M[i]∑pi=1M[i]+

∑pi=1（1-（W[i][j*]）·（1-X[i]）·M[i]∑pi=1M[i].（1）

改進(jìn)后MART算法中，M[i]為輸入屬性的權(quán)重，即第i個(gè)節(jié)點(diǎn)重要性.Wj*與x[i]對(duì)應(yīng)位置上同為“0”和同為“1”的值的個(gè)數(shù)與之權(quán)重值的乘積.改進(jìn)所得MART算法可以實(shí)現(xiàn)對(duì)兩個(gè)向量的準(zhǔn)確對(duì)比分析，兩者之間沒(méi)有輕重之別.MART算法的執(zhí)行步驟和ART算法類(lèi)似，都是要先設(shè)置每一個(gè)節(jié)點(diǎn)的重要性，隨之結(jié)合用戶(hù)屬性在MART算法的應(yīng)用下，實(shí)現(xiàn)用戶(hù)的分組，進(jìn)而達(dá)到數(shù)據(jù)挖掘的目的.[2-4]

MART算法實(shí)現(xiàn)聚類(lèi)，判斷出用戶(hù)屬性的重要性，從而自動(dòng)化推薦系統(tǒng)可以設(shè)置每一個(gè)屬性節(jié)點(diǎn)的權(quán)重.計(jì)算結(jié)果與傳統(tǒng)的ART算法相比，輸出的結(jié)果更加合理和靈活.

2?結(jié)語(yǔ)

建構(gòu)了一個(gè)可以挖掘出關(guān)聯(lián)特質(zhì)的自動(dòng)化推薦系統(tǒng)改進(jìn)ART算法——MART算法.MART算法在推薦系統(tǒng)特性基礎(chǔ)上，實(shí)現(xiàn)聚類(lèi)和判斷用戶(hù)屬性的重要性，使推薦系統(tǒng)可以設(shè)置每一個(gè)屬性節(jié)點(diǎn)的權(quán)重，實(shí)現(xiàn)用戶(hù)的分組，進(jìn)而達(dá)到數(shù)據(jù)挖掘的目的.隨著網(wǎng)絡(luò)的快速發(fā)展，人們對(duì)于互聯(lián)網(wǎng)的使用越來(lái)越依賴(lài)，隨之而來(lái)的是龐大且分散的數(shù)據(jù).繁雜的數(shù)據(jù)都需要一種好的處理算法或者機(jī)制來(lái)進(jìn)行處理，筆者把自適應(yīng)共振理論和數(shù)據(jù)挖掘技術(shù)兩者結(jié)合在一起，形成一個(gè)自動(dòng)化在線(xiàn)推薦系統(tǒng)來(lái)進(jìn)行處理，把用于用戶(hù)聚類(lèi)的ART算法進(jìn)行改進(jìn)，使得推薦系統(tǒng)能夠更加合理和靈活.

參考文獻(xiàn)

[1]陳慶章，湯仲喆，王凱， 等.采用數(shù)據(jù)挖掘的自動(dòng)化推薦技術(shù)的研究[J].中文信息學(xué)報(bào)，2012，26（4）：115-121.

[2]Palmero， Cristina，Esquirol， Jordi，Bayo， Vanessa， et al.Automatic Sleep System Recommendation by Multi-modal RBG-Depth-Pressure Anthropometric Analysis[J].International Journal of Computer Vision，2017，122（2）：212-227.

[3]陳小芳，葛曉濱，馬冠駿.基于數(shù)據(jù)挖掘的網(wǎng)絡(luò)購(gòu)物用戶(hù)行為分析[J].牡丹江師范學(xué)院學(xué)報(bào)：自然科學(xué)版，2016（01）：32-35.

[4]陶慶，葛田.基于THDS的大數(shù)據(jù)挖掘技術(shù)研究[J].牡丹江師范學(xué)院學(xué)報(bào)：自然科學(xué)版，2017（1）：28-29.

編輯：吳楠