基于蚁群算法的关联规则挖掘在营销中的应用研究

摘要

在网络发达和新产品层出不穷、市场竞争日趋激烈和快速饱和的现代营销背景下，电子商务规模不断的扩大，商品的个数和种类也在快速增长，这种浏览大量无关信息产品的过程无疑会使淹没在信息过载问题中的消费者群体数量不断流失，建立在海量数据挖掘基础上的一种高级商务智能平台便运用而生。不论是实体销售还是网络销售企业，许多企业开始把数据挖掘技术和交叉销售模式结合起来，通过发现最优的产品销售组合和寻求交叉销售的目标客户，来实现客户和企业的双赢，提升客户的忠诚度，增加企业的利润和其市场占有率。 关联规则挖掘技术作为能够很好的解决上述问题的数据挖掘技术之一，已经得到广泛的重视和研究。传统的关联规则挖掘算法因需要多次扫描数据库而耗费大量的执行代价，因而如何减少数据库的扫描次数，提高算法的效率，具有十分重要的意义。 本文利用蚁群算法这一优越性的新型算法，在一些现有研究的基础上，提出了基于蚁群算法的关联规则挖掘，主要研究了如下内容:一是由交易数据库中不同商品（项）之间，构造与TSP问题相似的搜索解空间，把各项看作是一个无向图的各顶点，顶点设置兴趣度，影响蚂蚁搜索时的路径选择，提高关联规则产生的速度与质量。二是设置不同的规则生成列表，对因兴趣度的差别产生的正负关联规则分类放置在规则集中。在无向图的各边设置权值，即是顶点之间的频率，作为蚁群算法的信息素，提出基于蚁群算法的改进的关联规则挖掘算法。三是使用数据库中商品属性集合以及属性的分类，构造蚂蚁遍历的解空间，提出一种基于蚁群算法的分类规则挖掘，从商品自身属性的角度挖掘商品销售所需要的商业信息。 最后本文以一个音乐CD的销售为例，通过实验结果及其分析，验证了本文所提出的基于蚁群算法的关联规则挖掘算法和分类规则算法，研究表明与以往算法比较，不论是在规则生成的质量还是生成的效率都有所提高。

目录

声明

摘要

第一章 绪论

1．1 选题背景和研究意义

1．2 国内外研究现状

1．3 主要研究内容

1．4 本文的组织结构

第二章 蚁群算法概述

2．1 蚁群算法的起源

2．2 蚁群算法模型

2．2．1 蚁群算法的基本原理

2．2．2 问题解空间的描述

2．2．3 基本蚁群算法的数学模型

2．3 基本的逻辑流程

2．4 蚁群算法的主要特点

2．4．1 正反馈

2．4．2 自组织

2．5 本章小结

第三章 关联规则与分类规则挖掘

3．1 数据挖掘的分析方法

3．1．1 数据挖掘概念与流程

3．1．2 数据挖掘常用分析方法

3．2 关联规则与分类规则的基本概念

3．2．1 关联规则的描述

3．2．2 Apriori算法

3．2．3 分类规则的描述

3．2．4 分类基准算法C4．5

3．3 关联与分类规则挖掘技术在交叉销售中的应用

3．3．1 基于关联规则的交叉销售

3．3．2 基于分类规则的销售分析

3．4 本章小结

第四章 基于蚁群算法的关联规则挖掘

4．1 引言

4．2 关联规则挖掘与TSP问题的关系

4．2．1 TSP问题简介

4．2．2 关联规则与TSP问题

4．3 基于蚁群算法的关联规则挖掘算法

4．3．1 基本定义

4．3．2 算法描述

4．3．3 算法流程图

4．4 实验结果及分析

4．5 本章小结

第五章 基于蚁群算法的分类规则挖掘

5．1 引言

5．2 分类规则的搜索解空间分析

5．2．1 分类模型与TSP问题的关系

5．2．2 分类规则的搜索空间

5．3 基于蚁群算法的分类规则算法

5．3．1 算法的描述

5．3．2 信息素浓度更新

5．3．3 启发函数的构造

5．3．4 规则剪枝处理

5．4 实验以及结果分析

5．5 本章小结

第六章 总结与展望

6．1 本文总结

6．2 研究展望

参考文献

致谢

在校期间的学术成果情况