基于序列模式的正负关联规则挖掘技术

摘要

随着数据库技术的迅速发展以及数据库管理系统的广泛应用，应运而生了数据挖掘技术。通过数据挖掘我们可以找到对于商业销售及生产极为有效的一些信息，从而可以提高销售和生产效率，降低成本，取得最大的商业效益。 其中，序列模式的挖掘是一个非常活跃的分支。对企业来说，序列模式可预测顾客的购买行为，促进销售量。比如A=＞B，这条规则是指顾客在购买了商品A之后，往往会接着买商品B。商家可根据这条规则制定销售策略，促进两个商品的销售。然而有时还会出现以下情况，顾客在购买了商品A之后，往往不会买商品C，这条规则记为A=＞﹁C，这就足序列模式的负关联规则。在企业制定决策时，序列模式的负关联规则对于如何减少负面因素，最大限度的增加正面效益尤为重要。 然而目前的序列模式研究，都是形如A=＞B=＞C的基于序列模式的正关联规则。关于序列模式的负关联规则的研究尚未展开。本文分别对现有的序列模式算法和负关联规则挖掘算法进行了研究，并利用相关性的定义，剔除其中相互矛盾的关联规则，将两种算法相结合，应用到序列模式的挖掘中，从而可以同时挖掘出基于序列模式的正、负关联规则。最后给出了应用实例，具体说明算法的实现过程。

目录

文摘

英文文摘

声明

第1章绪论

1.1数据挖掘概述

1.2序列模式概述

1.3本文的主要工作

第2章序列模式相关概念

2.1关联规则

2.2序列模式

2.3关联规则与序列模式的比较

2.4本章小结

第3章负关联规则挖掘

3.1负关联规则研究的意义

3.2国内外研究现状

3.3 PR模型

3.4 PNARC模型

3.5本章小结

第4章序列模式的正负关联规则挖掘

4.1序列模式的算法分类

4.2逐层(level-wize)的发现方法

4.2.1 AprioriAll算法

4.2.2 GSP算法

4.3基于序列模式增长(sequential pattems growth)方法

4.3.1 FreeSpan算法

4.3.2 Prefixspan算法

4.4挖掘序列模式正负关联规则

4.5本章小结

第5章序列模式挖掘算法的应用

5.1应用领域

5.2具体应用实例

5.3发展方向

5.4本章小结

第6章结论

参考文献

致 谢

作者在攻读硕士学位期间取得的科研成果