组合营销策略中基于约束的关联规则挖掘方法.docVIP

组合营销策略中基于约束的关联规则挖掘方法 文档信息 ： 文档作为关于“金融或证券”中“股票报告”的参考范文，为解决如何写好实用应用文、正确编写文案格式、内容素材摘取等相关工作提供支持。正文8641字，doc格式，可编辑。质优实惠，欢迎下载！ 目录 TOC \o 1-9 \h \z \u 目录 1 正文 1 文1：组合营销策略中基于约束的关联规则挖掘方法 1 定义1 5 文2：一种改进的关联规则挖掘方法 8 参考文摘引言： 12 原创性声明（模板） 14 文章致谢（模板） 14 正文 组合营销策略中基于约束的关联规则挖掘方法 文1：组合营销策略中基于约束的关联规则挖掘方法 1　引言 随着全球化浪潮的推进，电子商务正不断发展壮大。网络销售作为电子商务的1种重要组成形式为企业寻求更大的市场空间提供了1种新的有益尝试。我国目前网络销售的主流模式为：“订单1物流”模式。即用户下订单后，企业通过物流将商品交付给客户。由于物流费用1般由客户承担，客户为减少购物的物流成本，往往会在购买主目标商品的同时，搭配几件价格不高的次目标商品。这就为企业实施商品的组合营销策略提供了机遇。 2　问题描述 组合营销是指企业通过对不同类别、不同价格的商品的合理组合，向客户1次提供多种商品的营销方式。数据挖掘中的关联规则分析方法，通过挖掘出以往销售数据中哪些商品频繁的被顾客同时购买，形成关于商品间搭配的知识，从而指导今后销售的商品组合。但经典的关联规则挖掘方法由于缺乏用户控制，导致产生的规则过多，且部分规则对用户毫无意义。为了解决该问题，人们引入了基于约束的关联规则挖掘方法。R．T．NG等学者提出了受约束的关联查询概念R．Srikant等人研究了项集受约束的关联规则挖掘，挖掘出了包含某布尔表达式的频繁项集Robert J．Ba-yardo Jr等人研究了稠密数据库的特点，并提出了改进度的概念 本文首先介绍了关联规则的基本概念，在指出传统关联规则挖掘方法缺陷的基础上，提出了1种受用户指定数据约束的关联规则挖掘算法(UD-Apriori)。实验分析表明，该算法能在短时间内找到用户感兴趣的规则，算法效率有明显提高。 3　关联规则的基本概念 3．1关联规则的描述 设I={i1i2，im}是项的集合，其中的元素称为项(item)。记D为交易T的集合，这里交易T是项的集合，并且T　I。设X是I中项的1个集合，如果X　T．那么称交易T3X。1个关联规则是形如“X　Y的蕴含式，这里X　I，Y　I，并且X　Y=　。 规则“XjY”在事务数据库中的支持度(support)是事务集中包含X和Y的事务数与所有事务数之比，记为suppog(X　Y)，即： suooort(X Y)：l{T,X Y T，T D}|/|D| 对项目集I和事务数据库D，T中所有满足用户指定的最小支持度(miupportl的项目集，称为频繁项目集。 规则X Y在事务集中的置信度(confidence)是指包含X和Y的事务数与包含X的事务数之比，记为confidence(X Y)，即： Confidence(X Y)=|{T，X　Y　T，T　D，T　D}|/|T:X　T，T　D}| 3．2经典关联规则挖掘算法及其缺陷 经典的关联规则挖掘算法分两个阶段：首先，产生达到指定最小支持度的项集(即频繁项集)，然后从每个频繁项集中找出能够达到指定最小置信度的规则。其中，第1步生成满足最小支持度的项集是关键。1994年Agrawal等人在提出了著名的Apfiofi算法此算法使用递归方法生成所有的频繁项集。首先生成频繁1-项集L1，然后生成频繁2-项集L2，…，1直到某个r使得Lr为空，算法结束。当求Lk时，首先通过Lk-1的自连接生成候选项集Ck；检验Ck中的每个元素，满足用户指定的最小支持度的元素就是Lk中的元素。从以上算法描述可看出由于Lk-1候选集Ck是呈指数增长的，例如104个1-频繁项集就有可能产生接近107个元素的2-候选项集。如此大的候选项集对时间和主存空间是1种巨大的挑战。另外，由于基于“支持度1置信度”的关联规则挖掘度量框架本身不具有关联规则生成的先决指导性，导致产生的部分规则对最终用户毫无意义，而1些较长的规则又难于理解。这些都导致算法效率的低下。 4　受用户指定数据约束的关联规则挖掘算法 4．1算法的提出背景 在企业实施商品的组合营销策略过程中，往往以利润为先导，把关注焦点集中在那些销售情况较好而价格又相对比较高的商品上面。因此，企业销售策略可以是：针对具有上述特征的商品，找出和这类商品1起被频繁购买的其它价格比较低的商品，以便在今后的销售中对这些商品进行捆绑销售。 4．2受用户指定数据约束的关联规则挖掘算法(UD-Apfiofi)的基本思想 基于上述销售策略