基于关联规则的客户满意度提升分析(毕业论文文献综述).doc

基于关联规则的客户满意度提升分析 姓名：。。。 （贵州大学。。。。学院商务系 市场营销） 1 本课题相关研究现状 关联规则是在数据挖掘的基础上建立的，数据关联是数据库中存在的一类重要的可被发现的知识。数据挖掘其实是一个逐渐演变的过程，现如今数据挖掘的研究在商业上的应用也十分的广泛，目前我国学术界和企业界对企业营销道德的研究多见于期刊、论文，报刊杂志，我在CNKI中检索题名包括“数据挖掘”的期刊论文，检索结果显示共有2221篇相关论文，最早的一篇论文发表于1997年。其中《我国数据挖掘研究现状分析--基于共词分析视角 》张玉1,2,郭会雨2,陈建青2（1.中国科学技术信息研究所，北京100038；2.解放军医学图书馆，北京100039），以十年来国内数据挖掘领域的高频关键词为数据基础，通过共词分析方法对研究热点进行了分析，以期望能够清晰地揭示出十年来数据挖掘领域内研究热点的结构和内容。而《一种基于串与运算的关联规则挖掘算法》胡蓉( 湖南科技大学计算机科学与工程学院, 湖南湘潭411201)主要讲解了关联规则相关概念的形式描述、经典关联规则算法及其分析、基于串与运算的挖掘关联规则的算法。清楚的向我们展示了数据挖掘关联规则的具体算法，该类文献还包括了《基于联规则的数据挖掘方法研究[D]. 1] 李彦伟.江南大学 2011王义； 贾宇波； 东兴全球性的网络化、信息化 2 本课题相关研究方向 本课题开始主要研究关联规则数据挖掘算法，主要是关于Apriori算法的详细分关联析，主要要使用到支持度、置信度、相关度这三个参数。其次是在实际的操作中，关联规则的运用对于客户满意度的提升状况分析。最后通过运用关联规则取得一系列数据之后分析得出关联规则对于客户满意度提升的重要性，针对当前普遍存在的问题进行改进，增加企业销售量，提高市场竞争力。 3本课题相关研究进展情况 随着数据库技术的迅速发展以及数据库管理系统的广泛运用，人们对于挖掘数据背后隐藏的知识越来越重视，目前数据挖掘使数据库技术进入了一个更高级的阶段，它不仅能对过去的数据进行查询和遍历，并且能够找出过去数据之间的潜在关系，从而促进信息的传递。对数据挖掘技术的关联分析的相关研究进展情况。 数据挖掘与知识发现是人工智能、机器学习与数据库技术相结合的产物。机器学习(MachineLearning)是用计算机模拟人类学习的一门科学，始于60年代末，真正的发展是在70年代末。由于在专家系统开发中存在知识获取的“瓶颈”现象，所以就用机器学习来完成知识的自动获取。1980年，在美国召开了第一届国际机器学习研讨会;1984年《机器学习》杂志问世。我国很快跟上了国际步伐，于1987年召开了第一届全国机器学习研讨会;1989年成立了以中国科技大学蔡庆生教授为理事长的理事会;1995年在国防科技大学召开了第五届机器学习研讨会。我国对数据库进行知识发现(KnowledgeDiscoveryinDatabase，KDD)是从80年代开始的。KDD一词是在1989年8月于美国底特律市召开的第一届KDD国际学术会议上正式形成的。国际KDD学术会议起初每两年召开一次，1993年后每年召开一次。在几次国际KDD学术会议上讨论的问题有:(l)定性知识和定量知识的发现;(2)数据汇总;(3)知识发现方法;(4)数据依赖关系的发展和分析;(5)发现过程中知识的应用;(6)集成的交互式知识发现系统;(7)知识发现的应用。1995年加拿大召开了第一届知识发现和数据挖掘(DataMining，DM)国际学术会议。由于数据库中的数据被形象地喻为矿床，因此数据挖掘一词很快流传开来。数据挖掘是KDD最核心的部分，根据数据挖掘的理论基础和所采用的技术，数据挖掘技术可分为基于数据库方法、数学和统计方法及机器学习方法。数据挖武汉理工大学硕士学位论文掘算法的好坏将直接影响到所发现知识的好坏。目前大多数的研究都集中在数据挖掘算法和应用上。人们往往不严格区分数据挖掘和数据库中的知识发现，把两者混淆使用。一般在科研领域中称KDD，而在工程领域则称为数据挖掘。KDD的发展与数据库技术是紧密相关的，其挖掘对象从二维的发展到多维的，从单一的数据发展到多媒体数据，从结构化的到半结构化的，与之相对应的是数据挖掘技术的不断改进。需要强调的是，数据挖掘技术从一开始就是面向应用的。例如加拿大BC省电话公司要求加拿大SimonFraser大学KDD研究组根据其拥有的十多年的客户数据，总结分析并提出新的电话收费和管理办法，制定既有利于公司又有利于客户的优惠政策;美国著名篮球NBA某教练利用IBM公司提供的数据挖掘工具临场决定替换队员;最近，还有不少知识发现和数据挖掘产品用来筛选因特网上的新闻，保护用户不受无聊电子邮件和商业推销的干扰。国际上，目前对KDD