关联规则挖掘在电子商务中什么研究与应用.doc

关联规则挖掘在电子商务中的研究与应用 Study and Application of association rules mining in E-Commerce  第一章 绪论 4 1.1论文的研究背景 4 1.2论文的选题意义 5 1.3关联规则挖掘的研究现状 5 1.4 论文研究内容及结构安排 6 第二章数据挖掘与关联规则挖掘技术 7 2.1基本概念和性质 7 2.2关联规则的问题描述 8 2.3关联规则的分类 9 2.4兴趣度的扩展研究 10 2.5关联规则的应用 12 2.5.1商业零售行业 12 2.5.2金融和保险服务行业 12 2.5.3科学研究领域 12 2.5.4电信网络管理 13 2.5.5其它应用领域 13 2.6本章小结 13 第三章基于粗集的关联规则挖掘算法 15 3.1 Apriori算法 15 3.1.1 Apriori算法基本思想及实现 15 3.1.2一个数值例子 16 3.1.3 Apriori算法的性能分析 17 3.1.4基于Apriori的几种改进算法 17 3.2粗集理论 18 3.2.1粗集理论的相关概念 18 3.2.2将粗集理论应用于关联规则挖掘中的优势 21 3.3基于粗集的关联规则挖掘算法 22 3.3.1算法相关概念 22 3.3.2算法流程与具体实现 22 3.3.3 数值的例子 24 第四章 神经网络与自适应共振理论 26 4.1神经网络概述 26 4.2人工神经网络的理论基础 27 4.2.1神经元模型 27 4.2.2学习规则 29 4.3自适应共振理论网络 30 4.3.1 ART的模型结构 30 4.3.2 ART模型的工作流程 32 4.3.3 ART模型的基本算法 33 第五章 电子商务个性化推荐系统 35 5.1相关概念 35 5.2推荐系统中的常用技术 39 5.2.1基于内容的推荐 39 5.2.2基于协同过滤的推荐 40 5.2.3基于关联规则的推荐 43 5.3基于关联规则和ART的推荐技术 44 5.3.1概述 44 5.3.2离线预处理阶段 45 5.3.3在线推荐阶段 46 5.4基于关联规则和ART的电子商务推荐系统的实现 47 5.4.1项目实施环境 47 5.4.2数据准备 48 5.4.3数据预处理 48 5.4.4用ART神经网络进行用户聚类 49 5.4.5产生关联规则 49 5.4.6存入知识库 50 5.4.7在线推荐 50 5.5本章小结 50 第六章 结束语 51 6.1总结 51 6.2今后工作的展望 51 参考文献 53 第一章 1.1论文的研究背景 1.2论文的选题意义 电子商务中的数据挖掘的目标就是从海量的商务信息中提取出隐含的﹑有价值的和可以理解的商务信息，以指导日后的商务活动。关联规则作为数据挖掘研究的一个重要分支，由于关联规则形式简洁、易于解释和理解，并可以有效的描述数据间的重要关系，从大型数据库中挖掘关联规则的问题已经成为近年来数据挖掘研究领域中的一个热点。通过关联规则挖掘，找出销售的商品之间﹑商品与客户之间的存在内在联系，对于电子商务中个性化商品推荐﹑企业的市场定位以及相应的进销存策略有非常重要的指导意义。 传统的关联规则挖掘在比较复杂的电子商务环境中经常会存在一些问题，比如数据集噪声、定量规则的发现等问题，如何在千变万化的电子商务环境中处理好这些问题，是近年来数据挖掘领域的研究热点。随着电子商务技术的迅猛发展，如何在电子商务中提供个性化服务成为了一个热门话题，目前有很多研究人员在这方面做了大量的研究，提出了比如基于内容的推荐、基于协同过滤的推荐、基于关联规则的推荐以及基于效用基于知识等等许许多多推荐技术，如何选择适合自己企业的个性化推荐技术，以留住或吸引更多的用户，也是企业面临的难题之一。 1.3关联规则挖掘的研究现状 1.4 论文研究内容及结构安排 本文研究了常用的关联规则挖掘算法，并根据电子商务领域的特点将原有的算法进行了改进，本文还结合人工神经网络提出了一种新的电子商务推荐机制，能够较好的解决电子商务过程中出现的问题，对本研究领域具有一定的帮助。本文主要研究内容有： （1）针对Apriori算法在电子商务环境下的弱点，结合粗集理论，提出了基于粗集的关联规则挖掘算法，较好的解决了数据集噪声、定量关联规则发现等问题。 （2）提出了一种基于关联规则挖掘和神经网络的新的电子商务推荐机制，该推荐机制能够很好的将根据用户特征推荐和根据用户购买行为进行推荐这两种推荐方式相结合，推荐较为合适的商品。 （3）根据上述的研究成果实现了一个原型的电子商务推荐系统，很好的证明了上面所提算法的有效性和应用性。 本文余下章节的内容安排如下： 第二章介绍了数据挖掘和关联规则的定义，并给出关联规则挖掘的过程和体系结构