Міністерство освіти і науки, молоді та спорту України
Харківський національний університет радіоелектроніки
Факультет _________Комп’ютерних наук____________________________
Кафедра ___________Штучного інтелекту__________________________
ДИПЛОМНА РОБОТА
Пояснювальна записка
_______________________ГЮІК.ХХХХХХ.021 Д3_____________________
(позначення документа)
___Виявлення закономірностей з використанням асоціативних правил для__ складення рекомендацій користувачам інтернет-магазину ___________
____________________________________________________________________________
(тема роботи)
Студент гр.___КН-08-5___ ___________________ _Генісаретський Р.Д____
(шифр групи) (підпис) (прізвище, ініціали)
Керівник роботи ______________ _ас. Шубкіна О.В_____
(підпис) (посада, прізвище, ініціали)
Допускається до захисту
Зав. кафедри ______________________ _____Рябова Н.В._______
(підпис) (прізвище, ініціали)
2012 р.
РЕФЕРАТ
Пояснительная записка к дипломной работе содержит 74 страницы, 21 рисунок, 10 формул, 6 таблиц, 12 источников, 1 приложение.
В данной работе рассматривается процесс выявления закономерностей с использованием ассоциативных правил для генерации рекомендаций пользователям информационного портала. В данной работе предлагается использовать алгоритм Apriori, ставший первым эффективным алгоритмом поиска частых множеств признаков, с учетом также принадлежности пользователя к заранее определенной группе.
Постановка задачи формулируется следующим образом: необходимо разработать метод определения закономерностей с использованием ассоциативных правил для генерации рекомендаций пользователям информационного портала.
Таким образом, для решения поставленной задачи необходимо:
проанализировать существующие подходы для генерации ассоциативных правил;
проанализировать методы генерации рекомендаций;
разработать метод определения закономерностей с использованием ассоциативных правил для генерации рекомендаций пользователям информационного портала.
АССОЦИАТИВНЫЕ ПРАВИЛА, РЕКОМЕНДАЦИИ, ИНФОРМАЦИОННЫЙ ПОРТАЛ, APRIORI, SETM, AIS, ФУРЬЕ-АНАЛИЗ, ГЕНЕРАЦИЯ, ПОДДЕРЖКА, ДОВЕРИЕ, ТРАНЗАКЦИЯ, ОПТИМИЗАЦИЯ, УЛУЧШЕНИЕ
РЕФЕРАТ
Пояснювальна записка до дипломної роботи містить 74 сторінки, 21 рисунок, 10 формул, 6 таблиць, 15 джерел, 1 додаток.
У даній роботі розглядається процес виявлення закономірностей з використанням асоціативних правил для генерації рекомендацій користувачам інформаційного порталу. У даній роботі пропонується використовувати алгоритм Apriori, що став першим ефективним алгоритмом пошуку частих множин ознак, з урахуванням також приналежності користувача до заздалегідь певної групи.
Постановка завдання формулюється так: необхідно розробити метод визначення закономірностей з використанням асоціативних правил для генерації рекомендацій користувачам інформаційного порталу.
Таким чином, для вирішення поставленого завдання необхідно:
проаналізувати існуючі підходи для генерації асоціативних правил;
проаналізувати методи генерації рекомендацій;
розробити метод визначення закономірностей з використанням асоціативних правил для генерації рекомендацій користувачам інформаційного порталу.
АСОЦІАТИВНІ ПРАВИЛА, РЕКОМЕНДАЦІЇ, ІНФОРМАЦІЙНИЙ ПОРТАЛ, APRIORI, SETM, AIS, ФУР'Е-АНАЛІЗ, ГЕНЕРАЦІЯ, ПІДТРИМКА, ДОВІРА, ТРАНЗАКЦІЯ, ОПТИМІЗАЦІЯ, ПОЛІПШЕННЯ
СОДЕРЖАНИЕ
Макматер 50
ВВЕДЕНИЕ
В последнее время неуклонно растет интерес к методам «обнаружения знаний» в базах данных. Современные базы данных имеют очень большие размеры, достигающие гига и терабайтов, и тенденцию к дальнейшему увеличению, что вызвало потребность в разработке эффективных масштабируемых алгоритмов, позволяющих решать поставленные задачи за приемлемое время [1]. Одним из популярных методов обнаружения знаний стали алгоритмы ассоциативных правил для нахождения различного рода закономерной.
Ассоциации – выявление закономерностей между связанными событиями. Примером такой закономерности служит правило, указывающее, что из события X следует событие Y. Такие правила называются ассоциативными [2].
Суть задачи заключается в определении часто встречающихся наборов объектов в большом множестве таких наборов. Данная задача является частным случаем задачи классификации. Первоначально она решалась при анализе тенденций в поведении покупателей в супермаркетах. Анализу подвергались данные о совершаемых ими покупках, которые покупатели складывают в корзину. Это послужило причиной второго часто встречающегося названия – анализ рыночных корзин.
Таким образом, в постановке решаемой задачи выявления закономерностей для генерации рекомендаций пользователям информационного портала необходимо ввести, прежде всего, набор исходных значений и параметров, хранимых в базе данных: номер транзакции ID, наименование товара P и соответствующее количество проданных единиц Np.
Результаты, полученные с помощью анализа рыночной корзины, позволяют оптимизировать ассортимент товаров и запасы, увеличивать объемы продаж за счет предложения клиентам сопутствующих товаров, а также влияют на размещение их в презентационном блоке информационного портала. Например, если в результате анализа будет установлено, что совместная покупка макарон и кетчупа является типичным шаблоном, то разместив эти товары на одном уровне просмотра, можно «спровоцировать» покупателя на их совместное приобретение.
При анализе этих данных интерес прежде всего представляет информация о том, какие товары предпочитают, в какие периоды времени разные группы пользователей. Такая информация позволяет более эффективно планировать закупку товаров, проведение рекламной кампании, экономить время.