| 数据稀疏情况下的关联规则扩展与应用 |
| 刘克礼
|
| 2020-07-15
|
| 发表期刊 | 软件导刊
 |
| ISSN | 1672-7800
|
| 卷号 | 19期号:07页码:158-160 |
| 摘要 | 在网络学习平台中,如何有效推荐学习资源具有重要意义。为进一步提高在数据稀疏情况下的关联规则推荐效率,从相似性角度出发,引入学习资源文本信息,通过构建学习资源相似度矩阵,提出一个基于资源相似度的关联规则扩展方法,从而在历史数据稀疏的情况下生成关联规则推荐。实践结果表明,基于同一数据对象进行研究,通过扩展关联规则方法可以提高推荐的有效性和实用性。 |
| 关键词 | 关联规则
Apriori
规则扩展
数据挖掘
|
| URL | 查看原文
|
| 语种 | 中文
|
| 资助项目 | 安徽省教育厅高校自然科学研究项目(KJ2018A0686,KJ2017A943);安徽省教育厅质量工程研究项目(2018zhkt151)
|
| 原始文献类型 | 学术期刊
|
| 文献类型 | 期刊论文
|
| 条目标识符 | http://ir.library.ouchn.edu.cn/handle/39V7QQFX/50668
|
| 专题 | 国家开放大学安徽分部
|
| 作者单位 | 安徽广播电视大学信息工程学院
|
| 第一作者单位 | 国家开放大学安徽分部
|
| 第一作者的第一单位 | 国家开放大学安徽分部
|
推荐引用方式
GB/T 7714 |
刘克礼. 数据稀疏情况下的关联规则扩展与应用[J].
软件导刊,2020,19(07):158-160.
|
| APA |
刘克礼.(2020).数据稀疏情况下的关联规则扩展与应用.软件导刊,19(07),158-160.
|
| MLA |
刘克礼."数据稀疏情况下的关联规则扩展与应用".软件导刊 19.07(2020):158-160.
|
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论