关联规则挖掘算法及其在购物篮分析中的应用研究

摘要

现阶段，零售业购物篮分析市场决策层越来越重视从销售数据中寻求产品与产品、产品与客户等之间潜在的某种关系，从而找到提高产品销售量的方法，获取最大利润。这就需要从海量数据中快速准确地挖掘出有价值的能够描述数据项之间相互联系的有关知识，这是数据挖掘研究的一个重要领域。然而对于零售业目前仍没有一个普遍认为最好的标准来判断规则的实用性；同时，零售商经常担忧不知道怎样使用关联规则来优化其业务，这使得关联规则不能有效地在零售业的决策过程中发挥作用，关联规则挖掘的速度与效率也是零售商和研究学者所考虑的重点问题。
　　 关联规则挖掘与购物篮分析在超市的应用是被普遍关注的一个问题，在相关领域已经有了一定的应用和发展。国内外研究者在关联挖掘算法执行效率、销售什么样的商品、采用什么样的促销策略以及商品在货架上如何摆放进行了大量的理论研究和模型计算工作。但是在我国国内，到目前为止还没有真正意义上的商用工具问世，挖掘理论的研究处于起步阶段，因此从理论到实践仍需深入的研究。
　　 基于以上认识，论文对关联规则挖掘算法及其在购物篮分析中的应用进行了一定研究，主要完成了以下工作：
　　 （1）对数据挖掘相关理论技术进行分析、比较和归纳，在此基础上分析归纳了关联规则算法的优缺点。
　　 （2）基于线性对象表与事务哈希表，实现了一种提高建立频繁树效率的FP-growth更新算法。该更新算法针对原FP-growth算法需不断重新扫描数据库，浪费许多时间这一缺陷出发，减少了I/O负载并在数据支持度变化或事务项动态变化时缩减了建立频繁树的时间。
　　 （3）充分利用商品之间互相影响“促销”系数和图的路径最优化理论，提出了一种评估关联规则中商品间的“促销”关系模型的计算公式，为实现合理陈列商品在货架上的次序提供理论依据。
　　 （4）将FP-growth更新算法和商品间的“促销”关系模型实际应用于一家小型超市的数据挖掘项目中，对实验系统相关情况，挖掘的过程和结果进行了一定的说明、归纳和分析，并将结果反馈给该超市，为商家优化超市货物摆放次序提供了参考。
　　 （5）最后论文对以上工作进行了总结与展望。

目录

文摘

英文文摘

声明

第1章绪论

1.1课题研究背景

1.2选题意义

1.3关联规则挖掘与购物篮分析的研究现状

1.4论文的组织结构

第2章关联规则挖掘相关概念和算法

2.1数据挖掘介绍

2.1.1数据挖掘的基本概念

2.1.2数据挖掘的过程

2.1.3数据挖掘的分类、技术和方法

2.1.4数据挖掘的任务

2.2关联规则介绍

2.2.1关联规则的定义

2.2.2关联规则的分类

2.2.3关联规则的挖掘

2.2.4关联规则的应用

2.3关联规则挖掘算法发展概述

2.3.1经典频繁集算法——Apriori 算法

2.3.2经典频繁模式增长算法——FP-growth算法

第3章FP-growth更新算法分析与实现

3.1FP-growth更新算法分析

3.1.1相关概念阐述

3.1.2事务哈希表和线性对象表应用的可行性分析

3.2支持度和数据变化时高效更新tranHashTab和itemList表

3.3由排好序的tranHashTab和itemList表数据产生FP-tree

3.4新旧算法实验结果分析

3.4.1实验环境

3.4.2实验数据

3.4.3新旧算法实验结果对比图

3.4.4改进算法的优势分析

3.4.5大型关系数据库中的FP-growth更新算法优化方案

第4章 购物篮分析的基本理论和方法

4.1购物篮分析理论与方法提出的必要性

4.2商品间的“促销”关系分析

4.3商品阵列的优化方法

4.4.实例分析

第5章 关联规则算法在零售业购物篮分析中的应用

5.1背景分析

5.2实验系统开发说明

5.3关联规则计算模型

5.4系统挖掘执行流程

5.5功能实践与结果分析

5.5.1销售数据预处理

5.5.2系统启动

5.5.3零售业关联规则与商品摆放规则的生成

5.5.4查询与分析功能的实现

第6章总结与展望

6.1总结

6.1.1本论文主要做的工作和结果：

6.1.2设计与开发方面的不足

6.2展望

附录

参考文献

攻读学位期间发表的学术论文

致 谢