基于時(shí)序關(guān)聯(lián)規(guī)則挖掘的客戶行為實(shí)時(shí)預(yù)測技術(shù).pdf

1、隨著數(shù)據(jù)挖掘領(lǐng)域的發(fā)展，企業(yè)通過對客戶歷史行為的挖掘分析，利用挖掘分析得到的規(guī)律來進(jìn)行客戶行為預(yù)測。這使企業(yè)可以調(diào)整對客戶的服務(wù)策略，在提高服務(wù)質(zhì)量的同時(shí)提升了自身的競爭力。隨著RFID技術(shù)的逐漸成熟，客戶行為實(shí)時(shí)預(yù)測這一研究問題開始得到人們的普遍關(guān)注。
　　實(shí)現(xiàn)客戶行為實(shí)時(shí)預(yù)測需要借助RFID技術(shù)，同時(shí)RFID數(shù)據(jù)海量性和時(shí)序性等特點(diǎn)又會(huì)給研究帶來新的機(jī)遇和挑戰(zhàn)。本文針對這些問題，進(jìn)行了深入地研究。
　　首先，針對RFID

2、數(shù)據(jù)時(shí)序性的特點(diǎn)，本文采用時(shí)序關(guān)聯(lián)規(guī)則挖掘算法，該算法以Apriori算法為基礎(chǔ)來實(shí)現(xiàn)。同時(shí)，針對零售企業(yè)商品間具有層次關(guān)系的特點(diǎn)，本文在時(shí)序關(guān)聯(lián)規(guī)則挖掘算法中加入了層次挖掘的概念，使該算法能夠更精確的挖掘出有價(jià)值的關(guān)聯(lián)規(guī)則。
　　其次，通過實(shí)驗(yàn)發(fā)現(xiàn)，算法過程中2(3)-候選序列的巨大數(shù)量是該算法性能的主要瓶頸。同時(shí)由于RFID數(shù)據(jù)海量性的特點(diǎn)，本文通過利用哈希技術(shù)對該算法進(jìn)行改進(jìn)。通過提前生成一個(gè)哈希映射表，來減少候選序列的數(shù)量

3、，并通過實(shí)驗(yàn)對改進(jìn)前后的算法進(jìn)行了對比。實(shí)驗(yàn)證明，當(dāng)數(shù)據(jù)量很大或挖掘的支持度值很小時(shí)，改進(jìn)后的算法將明顯地提升原算法的性能。
　　此外，以大型超市為場景設(shè)計(jì)一個(gè)原型系統(tǒng)，來模擬超市中客戶行為實(shí)時(shí)預(yù)測的應(yīng)用過程，為現(xiàn)實(shí)應(yīng)用提供一個(gè)參考。
　　2(3)-候選項(xiàng)數(shù)量巨大是Apriori系列算法的共同瓶頸。因此，改進(jìn)算法的思想可以應(yīng)用于基于Apriori的各種擴(kuò)展算法。同時(shí)，結(jié)合RFID技術(shù)，企業(yè)可以實(shí)現(xiàn)對客戶行為的實(shí)時(shí)預(yù)測，并提供