基于FP-growth算法的数据挖掘实例研究
关联规则挖掘算法致力于发现隐藏在海量数据中的有趣联系,被广泛应用在金融、生物、商业、医学等领域,FP-growth算法是其中的经典算法,只需扫描两遍数据库,可以压缩被搜索数据集的大小,能够适应不同长度的规则. 本文首先介绍了传统的FP一growth算法，并分析该算法应用于音乐数据挖掘的可行性，并改进了原始多维数据库，便于后续挖掘工作的进行，实验结果表明，FP一growth算法可用于音乐数据挖掘，并且在用户多维属性中也能进行有效挖掘，提高了用户对于音乐平台的黏性和兴趣度，有利于精准营销和减少音乐版权的浪费。同时也可进行用户不喜欢的音乐的数据挖掘，减少推荐音乐的无效性，这也是以后研究的一个方向。
音乐推荐 关联规则数据挖掘法 FP-growth算法 可行性分析
柯新生 刘亚林
北京交通大学经济管理学院,北京100044
国内会议
广州
中文
216-219,167
2015-05-27（万方平台首次上网日期，不代表论文的发表时间）