基于Apriori关联规则挖掘算法的系统设计与实现开题报告

1. 研究目的与意义（文献综述）

1、 课题意义

随着信息时代的发展，信息量呈几何级数增长，然而用于对这些数据进行分析处理的工具却很少，人们拥有了海量的数据的同时却苦于信息的缺乏，以至于出现信息超载问题。而激增的数据背后隐藏着许多重要的信息，人们希望能够对其进行更高层次的分析，以便更好地利用这些数据。数据挖掘就是从大量数据中获取有用信息的一门新技术，而关联规则挖掘则是数据挖掘方法中的一种。结合最近发生的实时，在对抗疫情的这一阶段，大家都只能在家里闭不出户用追剧看电影来打发时间。由于信息超载问题，于是网上很多网友纷纷表示剧荒求推荐优秀的电视剧或者电影。而解决信息超载问题一个非常有潜力的办法是推荐系统，它是根据用户的信息需求、兴趣等，将用户感兴趣的信息、产品等推荐给用户的个性化信息推荐系统。一个好的推荐系统不仅能为用户提供个性化的服务，还能和用户之间建立密切关系，让用户对推荐产生依赖。

apriori算法是一种最有影响的挖掘布尔关联规则频繁项集的算法。经典的关联规则数据挖掘算法apriori算法广泛应用于各种领域，通过对数据的关联性进行了分析和挖掘，挖掘出的这些信息在决策制定过程中具有重要的参考价值。

2. 研究的基本内容与方案

本次毕业设计的主要内容是基于经典的Apriori算法，从数据处理、算法建模和结果可视化等几个方面设计计一个关联规则挖掘系统。

设计实现一个可以帮助用户个性化地全面化地最优化地推荐相关影片的电影推荐系统，根据大量用户的已观看过的电影列表，采用Apriori关联数据挖掘算法生成电影之间的关联规则，即电影推荐列表。设计系统的数据来源于UCI Machine Learning Repository公开发表的电影数据与爬虫获取电影用户的观影数据集合，其中涉及到数据的收集整理和清洗等工作。电影推荐系统的系统流程主要内容是从用户观看的电影历史数据中挖掘到规则数据，是采用Apriori算法进行关联规则挖掘生成关联规则的挖掘过程，最后生成推荐列表，实现个性化推荐电影的目的。设计的电影推荐系统将包括注册/注销模块、个人信息管理模块、观看电影历史信息模块与电影推荐模块等模块，并设置管理员在电影后台管理对用户及电影进行管理。系统的核心是Apriori算法，除此之外，对系统进行可视化设计与数据库的连接也是重要研究内容。通过查阅Apriori关联挖掘算法，与学习系统设计相关语言与技术，对数据库进行构造，进行系统设计。

3. 研究计划与安排

(1)2020/1/13—2020/2/28：确定选题，查阅文献，外文翻译和撰写开题报告；

(2)2020/3/1—2020/4/30：系统架构、程序设计与开发、系统测试与完善；

(3)2020/5/1—2020/5/25：撰写及修改毕业论文；

4. 参考文献（12篇以上）

[1] 黄进.关联规则挖掘的apriori算法的改进[j].电子科技大学学报,2003,32(1).

[2] 何宏.关联规则挖掘算法的研究与实现[d].湘潭:湘潭大学,2006.

[3]屈展，陈雷。一种改进的apriori算法在电子商务中的应用[j].西安石油大学学报：自然科学版，2012（01）.