基于改进Apriori算法的社交网络兴趣推荐系统研究  

作　　者：周华乔 孙一凡 乔琪 倪敬一 王康伟 祝宏亮 

机构地区：[1]江苏省工业云边协同技术工程研究中心,江苏淮安223001 [2]淮阴工学院,江苏淮安223001

出　　处：《电脑知识与技术》2025年第9期9-13,共5页Computer Knowledge and Technology

基　　金：国家自然科学基金资助项目(62001515);淮安市自然科学研究项目(HABL202215、HABZ202223);江苏高校“青蓝工程”资助(苏教师函[2024]14号)。

摘　　要：针对传统Apriori算法在处理大数据时效率低、资源占用大的问题,提出了改进措施。通过根据用户兴趣标签的频率动态调整支持度阈值,挖掘更具代表性的频繁项集,提高了算法的针对性和实用性。同时,引入并行计算,利用多线程技术加速候选项集的生成和筛选过程。将计算任务划分为多个并行子任务,显著提升了数据处理效率。改进后的Apriori算法在社交网络兴趣推荐系统中得到了应用,该算法不仅缩短了候选项集生成与频繁项集筛选的时间,而且在相同支持度阈值下,有效降低了误检率和漏检率,一定程度上提升了数据挖掘效率及推荐准确性。

关 键 词：APRIORI算法 动态支持度阈值 并行计算 网络兴趣推荐系统 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]