關聯(lián)規(guī)則挖掘算法及其在購物籃分析中的應用研究.pdf

1、現階段，零售業(yè)購物籃分析市場決策層越來越重視從銷售數據中尋求產品與產品、產品與客戶等之間潛在的某種關系，從而找到提高產品銷售量的方法，獲取最大利潤。這就需要從海量數據中快速準確地挖掘出有價值的能夠描述數據項之間相互聯(lián)系的有關知識，這是數據挖掘研究的一個重要領域。然而對于零售業(yè)目前仍沒有一個普遍認為最好的標準來判斷規(guī)則的實用性；同時，零售商經常擔憂不知道怎樣使用關聯(lián)規(guī)則來優(yōu)化其業(yè)務，這使得關聯(lián)規(guī)則不能有效地在零售業(yè)的決策過程中發(fā)揮作用，關

2、聯(lián)規(guī)則挖掘的速度與效率也是零售商和研究學者所考慮的重點問題。
　　 關聯(lián)規(guī)則挖掘與購物籃分析在超市的應用是被普遍關注的一個問題，在相關領域已經有了一定的應用和發(fā)展。國內外研究者在關聯(lián)挖掘算法執(zhí)行效率、銷售什么樣的商品、采用什么樣的促銷策略以及商品在貨架上如何擺放進行了大量的理論研究和模型計算工作。但是在我國國內，到目前為止還沒有真正意義上的商用工具問世，挖掘理論的研究處于起步階段，因此從理論到實踐仍需深入的研究。
　　

3、基于以上認識，論文對關聯(lián)規(guī)則挖掘算法及其在購物籃分析中的應用進行了一定研究，主要完成了以下工作：
　　 （1）對數據挖掘相關理論技術進行分析、比較和歸納，在此基礎上分析歸納了關聯(lián)規(guī)則算法的優(yōu)缺點。
　　 （2）基于線性對象表與事務哈希表，實現了一種提高建立頻繁樹效率的FP-growth更新算法。該更新算法針對原FP-growth算法需不斷重新掃描數據庫，浪費許多時間這一缺陷出發(fā)，減少了I/O負載并在數據支持度變化或事務項

4、動態(tài)變化時縮減了建立頻繁樹的時間。
　　 （3）充分利用商品之間互相影響“促銷”系數和圖的路徑最優(yōu)化理論，提出了一種評估關聯(lián)規(guī)則中商品間的“促銷”關系模型的計算公式，為實現合理陳列商品在貨架上的次序提供理論依據。
　　 （4）將FP-growth更新算法和商品間的“促銷”關系模型實際應用于一家小型超市的數據挖掘項目中，對實驗系統(tǒng)相關情況，挖掘的過程和結果進行了一定的說明、歸納和分析，并將結果反饋給該超市，為商家優(yōu)化超市貨