基于数据过滤Apriori算法的图书推荐模型

李绍华，冯晶莹，王铮

基于数据过滤Apriori算法的图书推荐模型

李绍华1,2，冯晶莹2,3，王铮4

（1.大连外国语大学 创新创业学院，辽宁 大连 116044；2.大连理工大学 软件学院，辽宁 大连 116024；3.辽宁警察学院 公安信息系，辽宁 大连 116036；4.大连外国语大学 软件学院，辽宁 大连 116044）

可以从读者的图书借阅记录中挖掘有价值的数据，识别读书偏好，提供个性化的图书借阅推荐服务。Apriori算法存在单一用户的单一借阅记录在整体数据集中变成离群点，导致分析时间和内存开销显著增加的问题。通过设定置信度、支持度和过滤度的阈值，对原数据集进行过滤；再使用Apriori算法对新的数据集进行关联规则分析。带有数据过滤的关联规则算法在图书借阅记录数据量无论大和小的情况下，分析时间更短，内存开销更小，强关联规则更强。

图书推荐；个性化；Apriori算法；数据过滤

个性化推荐是通过获取和分析用户的行为信息，发掘用户的行为偏好，进而提供个性化的信息服务和决策支持[1]，其已在新闻资讯、电子商务、自媒体、短视频等互联网平台得到广泛应用。个性化图书推荐起源于亚马逊电子商务平台，根据用户的浏览和购买记录，为用户推荐潜在的感兴趣的图书列表[2]。

个性化推荐系统的核心和关键是推荐算法。张凯涵等[3]提出了一种基于社区专家信息的协同过滤推荐算法；成保梅[4]从使用者特性和兴趣两方面对推荐算法进行个性化改进；杨明极等[5]提出由独立循环神经网络算法与注意力机制共同得到音乐推荐列表；……