您所在位置： &
&nbsp&&nbsp&nbsp&&nbsp
基于大型数据库关联规则挖掘研究.pdf60页
本文档一共被下载：
次 ,您可免费全文在线阅读后下载本文档
文档加载中...广告还剩秒
需要金币：200 &&
--优秀硕士毕业论文，完美PDF格式，可在线免费浏览全文和下载,支持复制编辑,可为大学生本专业本院系本科专科大专和研究生学士硕士相关类学生提供毕业论文范文范例指导,也可为要代写发表职称论文的提供参考！！！
你可能关注的文档：
··········
··········
浙江大学硕士学位论文
KnowledgeDiscoveryinDatabase KDD referstothenontrivial
extractionofimplicit,previouslyunknownandpotentiallyuseful
informationfrom data indatabases.Datamining isthemost
importantstep inKDD, itusesselectedknowledgediscovery
algorithmtominetheknowledgewhichusersneedfromdatabase.
Miningassociationrulesfromdatabaseisamethodofdatamining.
NowtheresearchonDataMiningbecomesahottopic,whichfar
extendstheformerExpertSystem.Thisthesisintroducesthe
background,basictasksandmethodsofDataMininganditputsforth
thedifferencebetweenDataMiningandMachineLearning、OLAP
techniques、statistics,etc.Inthisthesis,weintroducesome
representativealgorithms.Andafterweanalyzetheadvantagesand
disadvantagesofeachalgorithm,weproposeanewalgorithm.Atthe
sametimeweoptimizedtheincrementalupdatingtechniqueand
improveperformance.Thethesiscontainsfivechapters:
Chapterone:SummarizeofKDD.Mainlydescribethedefinition
ofKDD,thedevelopmentofdataminingandsomerelativeknowledge
aboutit'sapplications, process, thetechniquesituses,etc.
Chaptertwo:SummarizeofMiningAssociationrulesandit's
algorithms.Inthischapterwedescribethecommonlyprocessof
miningassociationrulesandit'sresearchdirection.Mainly
introducesomerepresentativealgorithms:Apriori、AprioriTidand
DHP algorithm, analyze and point out the advantages and
disadvantagesofeachalgorithm.
Chapterthree:Designanewalgorithmandrelativeworks.Base
onthediscussionweProposeanewalgorithm一一DHPoptimize
algorithm.ThisalgorithmusesthestructureTidsetandimproves
performance.Inthischapterwealsointroducethesyntheticdata
一一逝理塑醚望塑乙一一一一一一
weusetotestthealgorithmandtheperformanceresult.
Chapterfour:Theresearchofincrementalupdatingtechnique.
Inthischapterwediscussthemaintenanceofassoci
正在加载中，请稍后...商务数据挖掘中基于遗传算法的关联规则研究（可编辑）,关联规则挖掘算法,关联规则..
扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
商务数据挖掘中基于遗传算法的关联规则研究（可编辑）
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='/DocinViewer-4.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口38基于关联规则分析的_购物篮分析_模型的研究
上亿文档资料，等你来发现
38基于关联规则分析的_购物篮分析_模型的研究
第２３卷第４期北京工商大学学报（社会科学版）Ｖｏ；２００８年７月ＪＯＵＲＮＡＬＯＦＢＥＩＪＩＮＧＴ；基于关联规则分析的“购物篮分析”模型的研究；红１，２，；聂规划１；武汉；（１．武汉理工大学；管理学院，湖北；４３００７０；１０００３７）；２．北京工商大学信息工程学院，北京；摘要：以Ａｐｒｉｏｒｉ算法为核心的“购物篮分析”；种有趣联系，帮助商家制定营销策略，合
第２３卷第４期北京工商大学学报（社会科学版）Ｖｏｌ．２３Ｎｏ．４Ｊｕｌ．２００８２００８年７月ＪＯＵＲＮＡＬＯＦＢＥＩＪＩＮＧＴＥＣＨＮＯＬＯＧＹＡＮＤＢＵＳＩＮＥＳＳＵＮＩＶＥＲＳＩＴＹ（ＳＯＣＩＡＬＳＣＩＥＮＣＥ）基于关联规则分析的“购物篮分析”模型的研究薛红１，２，聂规划１武汉（１．武汉理工大学管理学院，湖北４３００７０；１０００３７）２．北京工商大学信息工程学院，北京摘要：以Ａｐｒｉｏｒｉ算法为核心的“购物篮分析”功能模型，利用事务数据库中的销售数据，挖掘顾客购买的商品之间各种有趣联系，帮助商家制定营销策略，合理地安排货架引导销售，既方便顾客购买，同时也刺激了销售。关键词：关联规则分析；购物篮分析；Ａｐｒｉｏｒｉ算法中图分类号：Ｆ７１３．３文献标识码：Ａ文章编号：１００９－６１１６（２００８）０４－０００１－０５随着人们生活水平的不断提高，特别是在城市，基本物质生活需求已得到满足，人们有更高的追求，并呈现出多样性，而目前市场的供给未能相应与消费需求协调，导致结构性地供大于求，多数商品出现了不同程度的结构性供需矛盾。从企业角度来看，了解和掌握每个消费者（或群体）的消费（购买）特征和规律，有利于企业提高消费者占有率，并且有可能向消费者推出更多的产品或服务，既增加了企业的利润，同时也能提高消费者的满意度。要确定消费者所购买的不同产品之间的关系，最适用的数据挖掘技术是关联分析。关联分析是用来描述数据记录间关联的一种方法。典型的关联分析类型是市场购物篮分析，数据记录是消费者在同一次事务中购买的物品，市场购物篮分析可以发现不同消费者所购买的物品组合，可由数以总结出哪些类型的产品是在一起购买的［１］。据挖掘揭示的关系以关联规则的形式来表示。一、购物篮分析购物篮分析泛指对顾客购物篮里的商品组成进行分析。购物篮里的商品反映了商品间的相互依赖。这些商品间的依赖可用作零售市场的决策支持。目前的数据挖掘技术为购物篮分析提供了机会。（一）购物篮数据收稿日期：２００８－０４－０４基金项目：北京市属市管高等学校《中青年骨干教师培养计划》项目（２００７７５）；北京市教育委员会科技发展计划项目（ＫＭ２００６１００１１００６）。作者简介：薛一般来说，购物篮数据包括：零售店铺里的商品数据、交易数据、顾客的数据等。本文主要采用交易数据。（二）商品间的相互依赖商品间的相互依赖关系是购物篮分析中要解决的重要问题。本文从零售的角度来分析商品间相互依赖的原因。１．生产方的原因从生产者一方看来，产品被一起购买有其技术方面的原因［２］。产品之间存在技术上的用途相关性；产品在设计上存在用途互补性。如：许多产品被设计成模块化的形式，不同的部分必须组合在一起，从而得到一个有用的产品。如：手动剃须刀有刀把、刀片。若没有这两个产品，剃须就无法完成。还有：咖啡及咖啡过滤器，收音机及电池等。２．零售方的原因购买的相互依赖有许多来源于零售商的选择或决定［２］。（１）管理政策一些产品是以包的形式卖出，而不是分开售卖。尽管法律上禁止条件售卖，这种现象还是存在。如在银行及保险业，一些管理政策强制用户同时购买多项产品。在超市，这种现象比较少见。（２）产品及排序政策红（１９６１―），女，河南郑州人，武汉理工大学管理学院博士研究生，北京工商大学信息工程学院副教授；聂规划（１９５８―），男，湖南人，武汉理工大学经济学院教授，博士生导师。?北京工商大学学报（社会科学版）２００８年第４期在一些情况下，零售者的产品排序政策是产生产品相互依赖购买的一个原因。事实上，零售者为了突出其超市的目标定位，他总是试图售卖他认为尽可能相关的产品。（３）定价政策特价商品、隐含的价格捆绑产品是产生购买依赖的原因。特价商品定价即通过降低某商品的价格来刺激顾客的对该商品的购买。特价定价同时也将刺激其它商品的购买。因为其它商品的购买能产生高的利润，特价定价将产生高的利润。如降低剃须刀刀柄的价格将会促进人们购买剃须刀刀柄，同时会刺激剃须刀刀片的购买。剃须刀刀片的利润很高，故总的利润将会增加。在这里，剃须刀刀柄是一个引诱物，剃须刀刀片是利润目标。（４）通信政策零售者的促销计划也是产品被同时购买的原因。大的超市一般在每周都会送出促销广告来促销一些产品。很明显，这将会使得商品间发生相互依赖关系。（５）显示政策产品在超市内的位置、超市内的购物环境对产品间的相互依赖有影响。一般来说，超市中邻近的商品间会存在强的产品购买相互依赖。由零售方面的原因而产生的产品购买相互依赖在用作零售市场营销方案设计时应当小心使用。事实上，被发现的产品间的相互依赖会反映出早期的市场营销方案策略制定。为避免这些问题，零售市场分析者应当在数据中存储交易数据的参数信息。如，价格、促销方式、货架空间分布等。类商品、一般商品、特殊商品。消费者购买便利商品时一般按照自己的习惯购买等。消费者为了减少购买成本，一般总是设法在一次内购买他所要的几乎所有商品。一般来说，大部分杂货店里的商品都是便利商品，故在超市购物中，这种情况最为常见。而对于特殊商品，消费者在商品比较上要花较多时间。此外，因为消费者要冒较大的风险来购买这些商品，故消费者倾向于购买著名品牌。时间压力、生活习惯、经济原因、购买者心情也是商品被同时购买的原因。（３）多样性购买消费者寻求商品的多样性也是商品被同时购买的原因。一些消费者坚持购买相同的商品，很多消费者却想尝试一下新产品、试验一下新风味。事实上，多样性购买行为是产生商品被同时购买的一个重要原因。一般来说，若顾客购买了某一品种的商品，他一般会在同一种类内购买多个品牌。尽管有上述很多产品被同时购买的原因，市场营销建模者通常只用下述原因来解释产品间的异质、同时发生。相互依赖性：购买互补、当某一特定市场营销活动影响消费者的另一购买时，两个商品出现购买互补。这种情况一般在管理者的控制之下，市场营销建模者一般希望能将不可控制的因素同可控制的因素分割开来。消费者的异质性也是使得商品同时被购买的原因。其原理在于：消费者是异质的，社会、经济、生活方式的差别影响他们对市场促销活动的不同响应。这些响应将通过不同的商品种类发生相关。最后，产品能因为其它方面的原因而同时被购买。这种情况下出现的商品被同时购买称为同时发生。二、关联规则分析基本模型［３，４，５，６］关联规则主要是描述一组数据属性之间的密切度或关联程度。关联规则挖掘是个过程，它可以揭示消费者购买哪些产品组合，以及在产品分层结构中所有层上存在的关系等，其中包括具体规则。从产品分层结构中的不同层当中还能够生成更多一般的规则。关系或规则的强度是用一些置信度级别来度量的。挖掘关联规则可能包含一些琐碎或无意义的规则，但也可能产生一些令人出乎意料的关联。运用关联规则挖掘技术，可以获得消费者在一定时期内的消费需求与偏好、消费结３．消费者的原因（１）需求相关性产品相互依赖性出现的最重要原因是消费者的复杂的需求。一般来说，单个产品很难满足人类的需求。这些需要和需求，与人类的文化、社会经济因素密切相关。消费者对市场营销的响应是不同的，即不同的社会经济地位、不同的生活方式造成了顾客对市场营销的不同响应，从而导致不同的购买行为。（２）购买类型产品相互依赖性出现的另一个原因是消费者购买商品的决策过程的复杂性。这与被购买的商品的类型有关系。商品可按此分成多个类别：便利第２３卷第４期薛红，聂规划：基于关联规则分析的“购物篮分析”模型的研究构等信息，帮助管理者做出更好的商业决策。关联规则模型及其数据挖掘算法是由ＩＢＭ公司Ａｌｍａｄｅｎ研究中心的Ｒ．Ａｇｒａｗａｌ首先提出的，目的是从大量数据中发现项集之间的有趣关联或相互关系，其中最经典的Ａｐｒｉｏｒｉ算法在关联规则分析领域具有很大影响力。本文设计了以Ａｐｒｉｏｒｉ算法为核心的“购物篮分析”模型算法。设Ｉ＝｛ｉ１，ｉ２，ｉ３，……ｉｍ｝是项的集合，设任务相关的数据Ｄ是数据库事务的集合，其中每个事务项子集不在Ｌｋ中，则该候选也不可能是频繁的，这种逐层搜索的迭代方法，大大提高了关联分析算法的效率。三、以Ａｐｒｉｏｒｉ算法为核心的“购物篮分析”模型算法的实现及应用考察后台的销售数据包括百货、食品、生鲜、家电等类别商品，为了提高系统性能，这里仅以几种商品为例提取销售信息，导入到一个只读的数据挖掘库中，如表１所示，ＤＡ＝｛牛奶１，面包２，薯片３，果汁４，奶酪５，口香糖６，果仁７，餐巾纸８，咖啡９｝，在此基础上进行关联规则挖掘。表１事务数据库商品列表Ｔ是项的集合，使得Ｔ!Ｉ。每个事务都有一个标识符，称作ＴＩＤ。设Ａ是一个项集，事务Ｔ包含Ａ当且仅当Ａ!Ｔ。关联规则是形如Ａ&Ｂ的蕴含式，其中Ａ#Ｉ，Ｂ#Ｉ，并且Ａ∩Ｂ＝!。如果事务集Ｄ中Ａ∪Ｂ（即Ａ和Ｂ二者）的百分比为Ｓ，则规则Ａ&Ｂ具有支持度Ｓ，即是：Ｓ＝ｓｕｐｐｏｒｔ（Ａ&Ｂ）＝Ｐ（Ａ∪Ｂ）×１００％；如果Ｄ中包含Ａ的事务同时也包含Ｂ的百分比是Ｃ，则规则Ａ&Ｂ具有置信度Ｃ，即是：Ｃ＝ｃｏｎｆｉｄｅｎｃｅ（Ａ&Ｂ）＝Ｐ（Ｂ｜Ａ）×１００％。项的集合称为项集，包含ｋ个项的项集称为项集的出现频率是包含项集的事务数，简ｋ－项集。称为项集的频率、支持计数或计数。如果项集的出现频率大于或等于最小支持度ｍｉｎ＿ｓｕｐ与Ｄ中事务总数的乘积则称项集满足最小支持度，这个项集被称为频繁项集，频繁ｋ－项集的集合通常记作ＴＩＤ１２３４５６７８９１０１１１２１３１４１，２，５，６，９２，４，８２，３，７，９１，２，４１，３，４，６，８２，３，６，９１，３，６，７１，２，３，５，８１，２，３，９１，３，６，９２，５，７，９３，５，７１，２，４，７１，２，５，８Ｌｋ。关联规则挖掘是一个两步的过程：首先找出满足最小支持计数所有频繁项集；然后，对于每个频繁项集ｌ，产生ｌ的所有非空子集，对于ｌ的每个非空子集ｓ，如果满足support_count(l)3min_confsupport_count(s)应用Ａｐｒｉｏｒｉ性质将算法分成两步：连接和剪枝。１．连接步：通过频繁ｋ－１－项集与自己连接产生候选ｋ－项集Ｃｋ，即Ｌｋ－１∞Ｌｋ－１，其中Ｌｋ－１中的元素是可连接的；（ｍｉｎ＿ｃｏｎｆ是最小置信度阈值），则输出规则“ｓ&（ｌ－ｓ）”，从而输出满足最小支持度和最小置信度的强关联规则。由于搜寻频繁项集需反复扫描事务数据库，为了提高逐层产生频繁项集的效率，１９９３年Ｒ．Ａ－２．剪枝步：根据Ａｐｒｉｏｒｉ性质，将候选ｋ项集Ｃｋ的（ｋ－１）－子集中不在Ｌｋ－１中的候选项删除，从而压缩了Ｃｋ。扫描数据库，确定Ｃｋ中每个候选项的计数，将满足最小支持度计数的所有候选项归入频繁ｋ－项集Ｌｋ。根据以上阐述，找出满足最小支持计数为３的频繁项集的过程如表２（ａ）和表２（ｂ）所示。按照连接规则生成所有候选２－项集Ｃ２＇＝ｇｒａｗａｌ等人提出了挖掘布尔关联规则频繁项集最有影响的Ａｐｒｉｏｒｉ算法。人们利用Ａｐｒｉｏｒｉ算法的重要性质即频繁项集的所有非空子集都必须也是频繁的，大大压缩了搜索空间。利用这个性质除第一次要扫描整个事务数据库外，每次确定候选集Ｃｋ＋１只需扫描频繁ｋ项集Ｌｋ即可，如果一个Ｃｋ＋１的ｋＬ１∞Ｌ１，即：｛｛１，２｝，｛１，３｝，｛１，４｝，｛１，５｝，｛１，６｝，｛１，７｝，｛１，８｝，｛１，９｝，｛２，３｝，｛２，４｝，｛２，５｝，｛２，６｝，｛２，７｝，｛２，８｝，｛２，９｝，｛３，４｝，｛３，５｝，｛３，６｝，｛３，７｝，｛３，８｝，｛３，９｝，｛４，５｝，｛４，６｝，｛４，７｝，｛４，８｝，｛４，９｝，｛５，６｝，｛５，７｝，｛５，８｝，｛５，９｝，｛６，７｝，｛６，８｝，?北京工商大学学报（社会科学版）２００８年第４期表２（ａ）项集候选１－项集Ｃ１支持度计数表２（ｂ）项集频繁１－项集Ｌ１支持度计数表２（ｄ）项集候选３－项集Ｃ３支持度计数表２（ｅ）项集频繁３－项集Ｌ３支持度计数１２３４５６７８９９１０８４５５５４６筛选１２３４５６７８９９１０８４５５５４６｛６，９｝，｛７，８｝，｛７，９｝，｛８，９｝｝。由于Ｃ２＇每个候选项的１项子集都在频繁１－项集Ｌ１中，所以扫描整个事务数据库，对于每个候选项进行计数，筛选出满足最小支持度的频繁１，２，３１，２，４１，２，５１，２，８１，２，９１，３，６１，３，９１，６，９２，３，７２，３，９３，６，９２２３２２３２２１３２筛选满足最小支持度的选项１，２，５１，３，６２，３，９３３３由频繁项集Ｌ３＝｛｛１，２，５｝，｛１，３，６｝，｛２，３，９｝｝产生关联规则，计算出其置信度为：表３置信度２－项集Ｌ２，如表２（ｃ）所示。表２（ｃ）项集支持度计数频繁２－项集Ｌ２项集支持度计数１，２１，３１，４１，５１，６１，８１，９２，３２，４６５３３４３３４３２，５２，７２，８２，９３，６３，７３，９６，９４３３５４３４３同理，对Ｌ２的所有选项实行连接算法Ｌ２∞Ｌ２产生Ｃ３＇：｛｛１，２，３｝，｛１，２，４｝，｛１，２，５｝，｛１，２，６｝，｛１，２，７｝，｛１，２，８｝，｛１，２，９｝，｛１，３，４｝，｛１，３，５｝，｛１，３，６｝，｛１，３，７｝，｛１，３，８｝，｛１，３，９｝，｛１，６，９｝，｛１，４，５｝，｛１，４，６｝，｛１，４，８｝，｛１，４，９｝，｛１，５，６｝，｛１，５，８｝，｛１，５，９｝，｛１，６，８｝，｛１，８，９｝，｛２，３，４｝，｛２，３，５｝，｛２，３，６｝｛２，３，７｝，｛２，３，８｝，｛２，３，９｝，｛２，４，５｝，｛２，４，７｝，｛２，４，８｝，｛２，４，９｝，｛２，５，７｝，｛２，５，８｝，｛２，５，９｝，｛２，６，９｝，｛２，７，８｝，｛２，７，９｝，｛２，８，９｝，｛３，６，７｝，｛３，６，９｝，｛３，７，９｝｝。根据Ａｐｒｉｏｒｉ性质，频繁项集的所有子集必须也是频繁的，观察候选项｛１，２，３｝中所有２－项子集：（１）１＝＞２＾５，（２）２＝＞１＾５，（３）５＝＞１＾２，（４）１，２＝＞５，（５）１，５＝＞２，（６）２，５＝＞１，（７）１＝＞３＾６，（８）３＝＞１，６，（９）６＝＞１，３，（１０）１＾３＝＞６，（１１）１＾６＝＞３，（１２）３＾６＝＞１，（１３）２＝＞３＾９，（１４）３＝＞２＾９，（１５）９＝＞２＾３，（１６）２＾３＝＞９，（１７）２＾９＝＞３，（１８）３＾９＝＞２，ｃｏｎｆｉｄｅｎｃｅ＝３３．３３％ｃｏｎｆｉｄｅｎｃｅ＝３０％ｃｏｎｆｉｄｅｎｃｅ＝６０％ｃｏｎｆｉｄｅｎｃｅ＝５０％ｃｏｎｆｉｄｅｎｃｅ＝１００％ｃｏｎｆｉｄｅｎｃｅ＝７５％ｃｏｎｆｉｄｅｎｃｅ＝３３．３３％ｃｏｎｆｉｄｅｎｃｅ＝３７．５％ｃｏｎｆｉｄｅｎｃｅ＝６０％ｃｏｎｆｉｄｅｎｃｅ＝６０％ｃｏｎｆｉｄｅｎｃｅ＝７５％ｃｏｎｆｉｄｅｎｃｅ＝７５％ｃｏｎｆｉｄｅｎｃｅ＝３０％ｃｏｎｆｉｄｅｎｃｅ＝３７．５％ｃｏｎｆｉｄｅｎｃｅ＝５０％ｃｏｎｆｉｄｅｎｃｅ＝７５％ｃｏｎｆｉｄｅｎｃｅ＝６０％ｃｏｎｆｉｄｅｎｃｅ＝７５％最小支持度和最小置信度对于所生成规则的规模影响很大，所以两个阈值的确定很重要，如果选择过大，容易丢失有用知识，如果选择过小，则生成的规则数量会很大。两个阈值的选择可以由直觉，或用户或领域专家设定，也可以根据经验、利用以往进行挖掘的结果，适当减小支持度可以减少候选项集的生成。同时满足最小支持度阈值（ｍｉｎ＿ｓｕｐ）和最小置信度阈值（ｍｉｎ＿ｃｏｎｆ）的规则称为强规则，也被认为是有趣的。如果设置最小置信度阈值为７０％，则（５）、（６）、（１１）、（１２）、（１６）、（１８）都是强规则。基于对Ａｐｒｉｏｒｉ算法的研究，本文设计了客户端实现功能模块。首先由用户输入的最｛１，２｝，｛２，３｝，｛１，３｝都是Ｌ２的元素，因此｛１，２，３｝可以保留在频繁３－项集中；观察｛１，２，６｝中的所有２－项集：｛１，２｝，｛１，６｝是Ｌ２中的元素，而｛２，６｝不是Ｌ２中的元素，所以从Ｃ３＇中剪除｛１，２，６｝，以此类推，通过剪枝得到候选３－项集Ｃ３并扫描数据库得到它们的计数，筛选出满足最小支持度的选项，如表２（ｄ）和表２（ｅ）所示。第２３卷第４期薛红，聂规划：基于关联规则分析的“购物篮分析”模型的研究小支持计数得出满足最小支持度的频繁项集，在右方窗口产生关联规则并计算出各项的置信度，当要产生强规则时，则需要用户输入最小置信度阈值，确定后系统根据定义由频繁项集产生既满足最小支持度又满足最小置信度的强关联规则，显示在窗口下方，其用户界面如图１所示。据，其中包含消费者经常购买的产品，有些产品经常被同时购买，有些产品总是被某些具有相似特征的消费者购买。关联规则挖掘能够帮助人们发现隐藏在大量交易数据背后的这些有价值的信息，从而发现消费者频繁购买行为中的规律性。本文研究开发的以Ａｐｒｉｏｒｉ算法为核心的“购物篮分析”模型算法，能够挖掘顾客购买的商品之间各种有趣联系，帮助商家制定营销策略，合理地安排货架引导销售，为企业带来竞争优势。参考文献：［１］ＤａｖｉｄＨａｎｄ，ＨｅｉｋｋｉＭａｎｍｌａ著，张银奎译．数据挖掘原理［Ｍ］．机械工业出版社，２００３年版．［２］Ｔ．Ｂｒｉｊｓ．ＲｅｔａｉｌＭａｒｋｅｔＢａｓｋｅｔＡｎａｌｙｓｉｓ：ＡＱｕａｎｔｉｔａｔｉｖｅＭｏｄｅｌｌｉｎｇＡｐ－ｐｒｏａｃｈ．Ｐｈ．Ｄ．ｄｉｓｓｅｒｔａｔｉｏｎ，ＦａｃｕｌｔｙｏｆＡｐｐｌｉｅｄＥｃｏｎｏｍｉｃｓ，ＬｉｍｂｕｒｇＵｎｉｖｅｒｓｉｔｙＣｅｎｔｅｒ，Ｂｅｌｇｉｕｍ，２００２．［３］ＪｉａｗｅｉＨａｎ，ＭｉｃｈｅｌｉｎｅＫａｍｂｅｒ．ＤａｔａＭｉｎｉｎｇＣｏｎｃｅｐｔｓａｎｄＴｅｃｈｎｉｑｕｅｓ．ＨｉｇｈＥｄｕｃａｔｉｏｎＰｒｅｓｓａｎｄＭｏｒｇａｎＫａｕｆｍａｎｎＰｕｂｌｉｓｈｅｒｓ，２００１．［４］Ｒ．ＡｇｒａｗａｌａｎｄＲ．Ｓｒｉｋａｎｔ．Ｆａｓｔａｌｇｏｒｉｔｈｍｓｆｏｒｍｉｎｉｎｇａｓｓｏｃｉａｔｉｏｎｒｕｌｅｓ．ＩｎＰｒｏｃ．１９９４Ｉｎｔ．Ｃｏｎｆ．ＶｅｒｙＬａｒｇｅＤａｔａＢａｅｓ从结果可以得出：将牛奶、面包和奶酪，牛奶、薯片和口香糖，面包、薯片和咖啡三组商品分别摆放在一起可增加每种商品的销售量。同样将算法应用到其它商品的关联规则挖掘中，可大大提高经济效益。四、结束语在企业的销售数据库中存储着大量的交易数（ＶＬＤＢ＇９４），Ｓａｎｔｉａｇｏ，Ｃｈｉｌｅ，Ｓｅｐｔ，１９９４．［５］Ｅ．Ｆ．Ｃｏｄｄ，Ｓ．Ｂ．Ｃｏｄｄ，ａｎｄＣ．Ｔ．Ｓａｌｌｅｙ．Ｂｅｙｏｎｄｄｅｃｉｓｉｏｎｓｕｐｐｏｒｔ．ＣｏｍｐｕｔｅｒＷｏｒｌｄ，Ｊｕｌｙ１９９３，２７．［６］ＬｉＸ．Ｍｉｎｉｎｇａｓｓｏｃｉａｔｉｏｎｒｕｌｅｓｏｎａｈｕｇｅｎｕｍｂｅｒｏｆｉｔｅｍｓ．Ｐｒｏｃｏｆｔｈｅ８ｔｈＪｏｉｎｔＩｎｔｅｒｎａｔｉｏｎａｌＣｏｍｐｕｔｅｒＣｏｎｆｅｒ－ｅｎｃｅ，２００２，１１：５８７－５９３．Ｒｅｓｅａｒｃｈｏｎ“ＭａｒｋｅｔＢａｓｋｅｔＡｎａｌｙｓｉｓ”ＭｏｄｅｌＢａｓｅｄｏｎＡｓｓｏｃｉａｔｉｏｎＡｎａｌｙｓｉｓＸｕｅＨｏｎｇ１，２}ＮｉｅＧｕｉ－ｈｕａ１（１．ＳｃｈｏｏｌｏｆＭａｎａｇｅｍｅｎｔ，ＷｕｈａｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｗｕｈａｎ，Ｈｕｂｅｉ４３００７０，Ｃｈｉｎａ；２．ＣｏｌｌｅｇｅｏｆＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＢｅｉｊｉｎｇＴｅｃｈｎｏｌｏｇｙａｎｄＢｕｓｉｎｅｓｓＵｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ１０００３７，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｔｈｅｆｕｎｃｔｉｏｎｍｏｄｅｌｏｆ＂ＭａｒｋｅｔＢａｓｋｅｔＡｎａｌｙｓｉｓ＂，ｗｈｉｃｈｉｓｂａｓｅｄｏｎＡｐｒｉｏｒｉａｒｉｔｈｍｅｔｉｃ，ｕｓｅｓｔｈｅｓａｌｅｓｄａｔａｉｎａｆｆａｉｒｄａｔａｂａｓｅｔｏｅｘｐｌｏｒｅａｌｌｋｉｎｄｓｏｆｉｎｔｅｒｅｓｔｉｎｇｒｅｌａｔｉｏｎｓａｍｏｎｇｔｈｅｃｏｍｍｏｄｉｔｉｅｓｃｏｎｓｕｍｅｒｓｈａｖｅｐｕｒｃｈａｓｅｄ．Ｉｔｃａｎｈｅｌｐｍａｎａｇｅｒｓｓｅｔｄｏｗｎｔｈｅｍａｒｋｅｔｉｎｇｓｔｒａｔｅｇｙａｎｄｓｅｅｋｔｈｅｏｐｔｉｍａｌｌａｙｏｕｔｏｆｃｏｍｍｏｄｉｔｙｓｈｅｌｖｅｓｔｏｇｕｉｄｅｔｈｅｓａｌｅｓ，ｗｈｉｃｈｎｏｔｏｎｌｙｍａｋｅｓｉｔｃｏｎｖｅ－ｎｉｅｎｔｆｏｒｃｌｉｅｎｔｓｔｏｐｕｒｃｈａｓｅｔｈｅｇｏｏｄｓｂｕｔａｌｓｏｓｔｉｍｕｌａｔｅｓｔｈｅｓａｌｅｓ．ＫｅｙＷｏｒｄｓ：ＡｓｓｏｃｉａｔｉｏｎＡｎａｌｙｓｉｓ；ＭａｒｋｅｔＢａｓｋｅｔＡｎａｌｙｓｉｓ；Ａｐｒｉｏｒｉａｒｉｔｈｍｅｔｉｃ（本文责编魏惠忠）?包含各类专业文献、外语学习资料、文学作品欣赏、生活休闲娱乐、应用写作文书、行业资料、各类资格考试、38基于关联规则分析的_购物篮分析_模型的研究等内容。
　购物篮分析泛指对顾客购物篮里的商品组成进行分析。 ...顾客购物行为分析也就是关联规则挖掘,类似于模型X→...因此,通过消费者购买习惯的 研究,挖掘隐藏的购物规则... 　本文在深入研究告警信息的特点和需求的基 础上,提出了一个基于关联规则挖掘的告警相关性 分析模型,相对于其他分析方法[3][4][5][6],该模型具 有如下特点: ... 　基于关联规则的客户满意度提升分析(毕业论文文献综述)_经济/市场_经管营销_专业资料...因素,运用熵权法和相对比较法确定模型中指标的权重, 并 对模型的算法进行研究... 　列举了一些关联规则挖掘算法并简 要分析了典型算法,...关联规则挖掘的一个典型例子是购物篮分析。 关联规则...进行评估,他们提出的模型建议了一些值得考虑的研究... 　“购物篮”中的不同商品之间的关联,分析顾客的购物...(2)基于规则中数据的抽象层次,可以分为单层关联规则...关联规则、泛化关联规则及周期性的关联规则 的研究。... 　基于关联规则的成绩预警模型研究_专业资料。龙源期刊网 .cn 基于关联规则的成绩预警模型研究 作者:张玮 来源:《科技创新导报》2013 年第 09... 　5.强关联规则一定是有趣的吗?为什么? 数据挖掘考试题目+参考答案一、10 个选择 1.以下属于关联分析的是( B ) A.CPU 性能预测 B.购物篮分析 C.自动判断鸢尾... 　探索式分析的技术十分有用.与此相关的研究 工作主要...化关联规则模型;第四 节定义了基于分类树的规则间...因为所有购物篮含有相等数量的商品, 所以匹配的商品... 　了解影响 apriori 算法性能的因素, 掌握基于 apriori 算法理论的关联分析的原理和...三、方法手段关联规则挖掘的一个典型例子是购物篮分析。 市场分析员要从大量的...}