基于Apriori算法与关联度指标购物篮研究.docVIP

基于Apriori算法与关联度指标购物篮研究 　　【摘 要】超市中不同的商品被购买的时间、数量等特征都呈现出自己独特的规律。通过对消费者群体购物记录进行分析，利用Apriori算法找出同时被购买次数较多商品，定义关联度指标，计算它们的关联度系数，挖掘出它们之间的联系。分析购物篮，对这些商品之间的联系进行整合处理，并提出合理可行的销售策略，以此来促进销量，提高收益。 【关键词】Apriori算法；数据挖掘；支持度；可信度；关联度系数 0 引言 互联网的飞速发展使得网络购物渐变为一种主流的购物方式，网店经营者关心的问题是顾客的购买习惯，各种商品之间存在的联系。 传统的购物篮分析，在计算商品组合被同时购买的次数时，会产生大量的商品组合，时间和空间的开销巨大，很难以得到令人满意的结果。为弥补这一缺陷采用Apriori算法，不断地通过k维商品集产生k+1维商品集，求出同时被购买概率大的商品组合。再分别对组合中的每一个商品求出其可信度，进一步得出该商品组合的关联度系数。根据组合的关联度系数来衡量商品之间关系的密切程度，进而把这些关联度大的商品关联在一起，以便于顾客浏览，引导消费，增加销量。 1 关联度指标的提出 数据挖掘是在没有明确假设的前提下去挖掘信息、发现各种事物之间的联系。数据挖掘所得到的信息应具有先未知，有效和可实用三个特征。 以一家电商网店为