论文部分内容阅读
针对大型网络中基于内容的推荐系统延迟较高、推荐满意度较低的问题，提出一种基于增强关联规则挖掘算法的高性能推荐系统。首先，通过消除会话中出现频率较低的内容将数据库最小化处理；然后，为每个会话引入相关的计数器，使用该计数器统计相应会话的重复次数，代替传统推荐系统对重复会话的直接聚类，该改进策略不仅提高了推荐的时间效率，而且增强了推荐引擎的扩展能力。基于真实数据的实验结果表明，本推荐系统具有较高的实时性与较高的推荐准确率。