基于时序关联规则挖掘的客户行为实时预测技术

摘要

随着数据挖掘领域的发展，企业通过对客户历史行为的挖掘分析，利用挖掘分析得到的规律来进行客户行为预测。这使企业可以调整对客户的服务策略，在提高服务质量的同时提升了自身的竞争力。随着RFID技术的逐渐成熟，客户行为实时预测这一研究问题开始得到人们的普遍关注。
　　实现客户行为实时预测需要借助RFID技术，同时RFID数据海量性和时序性等特点又会给研究带来新的机遇和挑战。本文针对这些问题，进行了深入地研究。
　　首先，针对RFID数据时序性的特点，本文采用时序关联规则挖掘算法，该算法以Apriori算法为基础来实现。同时，针对零售企业商品间具有层次关系的特点，本文在时序关联规则挖掘算法中加入了层次挖掘的概念，使该算法能够更精确的挖掘出有价值的关联规则。
　　其次，通过实验发现，算法过程中2(3)-候选序列的巨大数量是该算法性能的主要瓶颈。同时由于RFID数据海量性的特点，本文通过利用哈希技术对该算法进行改进。通过提前生成一个哈希映射表，来减少候选序列的数量，并通过实验对改进前后的算法进行了对比。实验证明，当数据量很大或挖掘的支持度值很小时，改进后的算法将明显地提升原算法的性能。
　　此外，以大型超市为场景设计一个原型系统，来模拟超市中客户行为实时预测的应用过程，为现实应用提供一个参考。
　　2(3)-候选项数量巨大是Apriori系列算法的共同瓶颈。因此，改进算法的思想可以应用于基于Apriori的各种扩展算法。同时，结合RFID技术，企业可以实现对客户行为的实时预测，并提供相应的服务。因此，本文的研究具有一定的理论与实际意义。

目录

基于时序关联规则挖掘的客户行为实时预测技术

REAL-TIME PREDICTION OF CUSTOMERS' BEHAVIOR BASED ON SEQUENTIAL ASSOCIATION RULE MINING

摘要

Abstract

第1章 绪论

1.1 研究背景和意义

1.2 国内外相关领域研究现状

1.2.1 客户行为分析的相关概念

1.2.2 预测模型的研究现状

1.2.3 关联规则挖掘技术的研究现状

1.3 研究问题的相关阐述

1.3.1 客户行为实时预测

1.3.2 时序关联规则挖掘算法

1.3.3 客户行为实时预测的应用

1.4 本文的主要研究内容和结构安排

第2章 客户行为实时预测基础技术

2.1 RFID技术相关介绍

2.1.1 RFID技术发展综述

2.1.2 RFID数据特点

2.2 关联规则挖掘的基础知识

2.2.1 关联规则挖掘的定义

2.2.2 关联规则挖掘的基本挖掘算法

2.2.3 关联规则挖掘算法的分类

2.3 时序关联规则挖掘

2.3.1 时序关联规则挖掘背景

2.3.2 时序关联规则挖掘的情况和参数

2.3.3 时序关联规则挖掘的方法

2.4 本章小结

第3章 层次时序关联规则挖掘算法

3.1 研究问题的相关概念描述

3.1.1 研究问题中的相关概念

3.1.2 研究问题的具体描述

3.2 层次时序关联规则挖掘算法

3.2.1 引入商品层次的目的和意义

3.2.2 算法思想

3.2.3 算法过程分析

3.3 层次时序关联规则挖掘算法实验与分析

3.3.1 模拟数据的生成

3.3.2 算法的效率实验

3.3.3 实验结果分析

3.4 本章小结

第4章 基于哈希技术的时序关联规则挖掘算法

4.1 引入哈希技术的原因

4.2 哈希技术改进方法

4.2.1 改进算法的算法过程

4.2.2 缩减交易数据库规模

4.2.3 选取哈希函数

4.3 对比实验与分析

4.3.1 对比实验数据

4.3.2 对比实验结果分析

4.4 本章小结

第5章 客户行为实时预测原型系统

5.1 系统的设计与实现

5.1.1 系统的功能目标

5.1.2 开发平台与工具

5.2 系统总体设计

5.2.1 系统原理

5.2.2 系统架构

5.2.3 系统流程

5.3 系统界面实现

5.3.1 后台挖掘界面

5.3.2 前台展示界面

5.4 系统展望

5.5 本章小结

结论

参考文献

哈尔滨工业大学硕士学位论文原创性声明

哈尔滨工业大学硕士学位论文使用授权书

致谢