王 昭

(中國人壽保險股份有限公司河北省分公司，河北石家莊 050000)

隨著近年來網(wǎng)絡(luò)的普及和應(yīng)用，電子政務(wù)已經(jīng)被越來越多的企事業(yè)單位、政府機構(gòu)所應(yīng)用。然而海量的信息使得用戶難以快速找到需要的信息，因此如何根據(jù)用戶的訪問興趣來進行個性化推薦，更加有針對性的滿足用戶的需求，從而提供個性化服務(wù)變得非常重要。數(shù)據(jù)挖掘(Data Mining，DM)是從大量模糊的、不確定的、不完全的數(shù)據(jù)中揭示隱含的、先前未知的并有潛在價值的信息的非平凡過程。數(shù)據(jù)挖掘是一種決策支持過程，它主要基于人工智能、機器學(xué)習(xí)、模式識別、統(tǒng)計學(xué)、數(shù)據(jù)庫、可視化技術(shù)等，高度自動化地分析用戶數(shù)據(jù)，做出歸納性的推理，從中挖掘出潛在的、有意義的模式。關(guān)聯(lián)規(guī)則是數(shù)據(jù)挖掘中比較重要的一種算法。它通過挖掘數(shù)據(jù)項集之間的潛在關(guān)系，從在大量數(shù)據(jù)中發(fā)現(xiàn)有用的知識，這些知識對于用戶分析、知識分類、個性推薦等決策的制定起到了很大的作用。本文針對電子政務(wù)系統(tǒng)的個性化推薦服務(wù)的弊端，提出利用數(shù)據(jù)挖掘中關(guān)聯(lián)規(guī)則及其改進算法實現(xiàn)個性化推薦，以提高電子政務(wù)應(yīng)用效率。

1 關(guān)聯(lián)規(guī)則算法

關(guān)聯(lián)規(guī)則挖掘是從大量數(shù)據(jù)項中發(fā)現(xiàn)有趣的關(guān)聯(lián)或相關(guān)聯(lián)系。設(shè)I={i1，i2，…，im}是項的集合，其中的元素稱為項(item)。記D為交易T的集合，這里交易T是項的集合，并且T?I。對應(yīng)每一個交易有唯一的標(biāo)識，如交易號(TID)。設(shè)X是一個I中項的一個集合，如果X?T，那么稱交易T包含X。

一個關(guān)聯(lián)規(guī)則是形如X?Y的蘊涵式，這里X?I，Y?I，并且X∩Y=Φ。規(guī)則X?Y在事物數(shù)據(jù)庫D中的支持度(support)是事物集中包含X和Y的事物數(shù)與所有事物數(shù)之比，記為support(X?Y)，即

規(guī)則X?Y在事物集中的可信度(confidence)是指包含X和Y的事務(wù)數(shù)與包含X的事物數(shù)之比，記為confidence(X?Y)，即:

2 關(guān)聯(lián)規(guī)則在電子政務(wù)網(wǎng)站中的應(yīng)用

用戶使用電子政務(wù)系統(tǒng)都會有相對固定的瀏覽路徑。每個瀏覽路徑都代表了一個完整的用戶行為，從用戶角度看，這些瀏覽路徑滿足了用戶這次的辦公或查詢需求，而從政府管理部門的角度看，這些瀏覽路徑有可能被再一次同時點擊。當(dāng)然僅僅通過一個用戶行為所反映出來的信息關(guān)聯(lián)不具有普遍性，但是通過大量的用戶行為分析，就可以整理出那些隱藏在大量數(shù)據(jù)中令人感興趣的聯(lián)系，從而展開各種個性推薦。

所謂關(guān)聯(lián)，可以理解為用戶行為中出現(xiàn)的所有點擊路徑，因為這些點擊路徑出現(xiàn)在同一個用戶行為中，我們就可以認(rèn)為這些點擊中具有某種聯(lián)系。關(guān)聯(lián)規(guī)則就是發(fā)現(xiàn)的聯(lián)系，可以用規(guī)則A→B(S，C)的形式表示，也就是說，用戶一旦點擊了A功能或信息，他極有可能會點擊B功能或路徑。支持度和置信度就是衡量指標(biāo)，是用來描述規(guī)則強度的，支持度代表事件發(fā)生的頻率，支持度很低也就是意味著這種事件只是偶爾發(fā)生，是個小概率事件，因此，對于關(guān)聯(lián)分析的第一步，就是用支持度過濾掉那些偶然事件。置信度代表著利用這個規(guī)則進行推理的可信程度。置信度越大，表示可能被關(guān)聯(lián)點擊的程度越高。

說的簡單一點，關(guān)聯(lián)規(guī)則就是在給定的事務(wù)集中，挖掘出支持度(support)和置信度(confidence)分別大于用戶給定的最小支持度(minsupp)和最小置信度(minconf)的規(guī)則。

3 實例分析

本文以某電子政務(wù)網(wǎng)站為例，利用關(guān)聯(lián)規(guī)則算法進行分析。因為系統(tǒng)數(shù)據(jù)庫數(shù)量比較大，本文只選取其中的一部分?jǐn)?shù)據(jù)進行分析。用戶行為路徑數(shù)據(jù)如表1所示，其中ABCDEF分別代表不同信息的路徑，設(shè) minsup=0.5，minconf=0.5。關(guān)聯(lián)規(guī)則挖掘過程主要包含兩個階段:第一階段利用支持度尋找頻繁項目集，第二階段再由這些頻繁項目集產(chǎn)生關(guān)聯(lián)規(guī)則。

首先對表1中的相關(guān)數(shù)據(jù)進行挖掘，得到候選1項集如表2所示。

其中第一條記錄A的支持度為0.75，這是因為在表1中共有3條記錄包含A，表1中共有4條事件記錄，所以A的支持度為3/4=0.75，大于預(yù)設(shè)的最小支持度0.5，所以保留A作為頻繁1項集中的一條記錄。表2中的其它記錄也可以類似得到。對候選1項集C1的篩選，可得頻繁1項集L1。

對頻繁1項集分析很簡單，卻提供了很多有價值的信息，可以對那些初次到訪的用戶提供熱門的內(nèi)容推薦。除了提供熱門信息列表，頻繁1項集分析根據(jù)支持度過濾掉了非熱門信息，減少了做對頻繁2項集分析的運算量。

頻繁1項集L1經(jīng)過“連接”和“剪枝”，得到候選2項集C2。如表4所示。

因為最小支持度是0.5，所以舍棄所有支持度小于0.5的項集，只剩下了A－＞C，并且所有出現(xiàn)了A的三個訂單中，同時出現(xiàn)C的有兩個，因此置信度是2/3=0.67。

表1 用戶行為路徑數(shù)據(jù)表

表2 候選1項集C1

表3 頻繁1項集L1

表4 候選2項集C2

A－＞C的支持度等于0.5，也就是說在所有的用戶行為信息中，至少有50%的行為信息出現(xiàn)了A和C被同時點擊。而Confidence=0.67則說明在所有點擊A的行為信息中，至少有67%的行為會同時點擊C。因此，今后若有某用戶點擊了A，電子政務(wù)系統(tǒng)將同時推薦C。因為歷史交易數(shù)據(jù)告訴我們，大部份點擊A的用戶行為中，會同時點擊C。

5 結(jié)論

本文利用數(shù)據(jù)挖掘的關(guān)聯(lián)規(guī)則算法對用戶訪問信息進行挖掘，有效的實現(xiàn)了電子政務(wù)的個性化推薦，達到了預(yù)期的效果。

［1］Agrawal R，Imielinski T，Swami A.Mining association rules between sets of items in large database［C］∥In Proc.1993 ACM － SIGMOD Int.conf.Management of Data(SIGMOD’93).Washington，DC:［s.n.］，1993:207-216.

［2］劉晶.基于數(shù)據(jù)倉庫的高校圖書館管理的設(shè)計與實現(xiàn)［J］.圖書情報工作，2009.15(53).126-128.

［3］劉晶，朱清香，梅群，張蕾.一種基于單處理機的并行關(guān)聯(lián)規(guī)則算法及其在數(shù)字圖書館中的應(yīng)用［J］.圖書情報工作，2011，7(55):114-117.

［4］劉晶，楊萬成.基于簡易聚合技術(shù)對電子商務(wù)個性檢索的應(yīng)用［J］.計算機工程與設(shè)計，2008.29(1):173-174.