基于散列及位圖的改進(jìn)關(guān)聯(lián)規(guī)則算法BHA

　　針對關(guān)聯(lián)規(guī)則個性化好友推薦中規(guī)則挖掘效率及推薦有效性不高的問題，首先提出基于散列及位圖的改進(jìn)關(guān)聯(lián)規(guī)則算法BHA。該算法通過引入散列技術(shù)，減少了頻繁2項集挖掘所需的時間；利用位圖及相關(guān)性質(zhì)，壓縮無關(guān)候選項，減少了數(shù)據(jù)集所需的遍歷次數(shù)。另外，在BHA的基礎(chǔ)上，提出基于相似度及信任度的推薦算法STA，利用出、入相似度定義信任度，有效解決了新浪微博未提供顯示信任關(guān)系的問題，同時彌補了相似度推薦未考慮用戶間遠(yuǎn)近層次關(guān)系的缺陷。采集新浪微博用戶數(shù)據(jù)進(jìn)行實驗，在關(guān)聯(lián)規(guī)則挖掘效率的對比上，BHA挖掘所需的平均時間僅為改進(jìn)AprioiriTid算法的47%；在好友推薦的有效性上，推薦算法STA較SNFRBOAR算法在準(zhǔn)確率及召回率上分別提升了15. 2%和9.8%。實驗結(jié)果表明，STA能夠有效降低規(guī)則挖掘所需的平均時間，并使實際好友推薦的有效性得到提升。