客户行为的有效聚类.pdfVIP

12 2010，46(4) ComputerEngineeringandApplications计算机工程与应用 客户行为的有效聚类 刘慧婷 1，倪志伟2 LIU Hui—ting，NIZhi-wei 1．安徽大学 计算机科学与技术学院，合肥 230039 2．合肥工业大学 计算机网络所 ，合肥 230009 1．SchoolofComputerScience and Technology，AnhuiUniversity，Hefei230039，China 2．Institute ofComputerNetwork System ，HefeiUniversityofTechnoloyg ，Hefei230009，China E-mail：wangph168@yahoo．con．an LIU Hui-ting，NIZhi-wei．Effective algorithm to clustercustomers’actions．ComputerEngineering and Applications，2010， 46(4)：12—14． Abstract：Clusteringcustomers’transaction dataisan importantanalysismeansofcustomers’behavior_Ascustomers’transaction datahavehighdimension，theclusteringalgorithm basedonEmpiricalModeDecomposition (EMD)andK-meansisimplemented to cluster the customers’ actions in supermarkets that is，employ the EMD and bottom—up algorithmsto realize dimension ， reduction，and furtheruse K—means algorithm to support effective clustering on data sequences，which have fewerdimensions． Customersare divided intodifferentcategories (orsub-market)bymeansofclusteringcustomers’transactiondata．Each sub— marketisthen describedby the commoditieswhich arepurchased with higher rates，SO astomakerespectivepromotionsand advertisements．The clustering algorithm proposed in thispaper can effectively clustercustomers’behavior，and asthealgorithm hasdealtwith dimensionality reduction to asequenceoftransaction data，thiscan savea certain amountofstoragespace． Keywords：EmpiricalModeDecomposition(EMD)；bottom—up algorithm；K—meansalgorithm；trendextraction；clusteringcustomers’ actions 摘 要：对客户的交易数据进行聚类是客户行为分析的一个重要手段。针对客户交易数据维数高的特点，提出了基于EMD和 — means的顾客行为聚类算法。首先利用EMD和 自底向上分段算法实现交易数据序列维度的约简，再利用K—means算法完成降维 后序列的聚类，最后利用每个类别中购买率较高的商品作为该类的描述，为商家提供促销依据。该聚类算法一方面可以有效实现 客户行为的聚类，另一方面，由于算法对交易数据序列进行了降维处理，节约了一定的存储空间。 关键词：经验模态分解方法；自底向上算法；K—means算法；趋势提取；客户行为聚类 DOI：10．3778／j．issn．1002—8331．2010．04．004 文章编号：1002—8331(2010)04—0012—03 文献标识码：A 中图分类号：TP18I 1 引言