（1）对原始数据做有效的预处理，包括缺失数据的处理。

（2）分别基于用户偏好和物品相似度计算预测评分并推荐。

（3）利用关联规则挖掘算法分析用户的上网行为，挖掘各变量之间的关联规则。

利用协同过滤算法分析电信用户的上网日志行为，分别基于用户的偏好和游戏的关联度测度用户对游戏的关注度，通过评分值的比较为用户提供推荐菜单。此外，应用Apriori算法挖掘游戏的频繁项集和强关联规则。考虑到Apriori算法需要多次扫描数据集并会产生大量候选频繁项集的缺点，引入FP-growth算法，利用树形结构直接生成频繁项集。