基于時序關聯(lián)規(guī)則挖掘的客戶行為實時預測技術.pdf

1、隨著數(shù)據挖掘領域的發(fā)展，企業(yè)通過對客戶歷史行為的挖掘分析，利用挖掘分析得到的規(guī)律來進行客戶行為預測。這使企業(yè)可以調整對客戶的服務策略，在提高服務質量的同時提升了自身的競爭力。隨著RFID技術的逐漸成熟，客戶行為實時預測這一研究問題開始得到人們的普遍關注。
　　實現(xiàn)客戶行為實時預測需要借助RFID技術，同時RFID數(shù)據海量性和時序性等特點又會給研究帶來新的機遇和挑戰(zhàn)。本文針對這些問題，進行了深入地研究。
　　首先，針對RFID

2、數(shù)據時序性的特點，本文采用時序關聯(lián)規(guī)則挖掘算法，該算法以Apriori算法為基礎來實現(xiàn)。同時，針對零售企業(yè)商品間具有層次關系的特點，本文在時序關聯(lián)規(guī)則挖掘算法中加入了層次挖掘的概念，使該算法能夠更精確的挖掘出有價值的關聯(lián)規(guī)則。
　　其次，通過實驗發(fā)現(xiàn)，算法過程中2(3)-候選序列的巨大數(shù)量是該算法性能的主要瓶頸。同時由于RFID數(shù)據海量性的特點，本文通過利用哈希技術對該算法進行改進。通過提前生成一個哈希映射表，來減少候選序列的數(shù)量

3、，并通過實驗對改進前后的算法進行了對比。實驗證明，當數(shù)據量很大或挖掘的支持度值很小時，改進后的算法將明顯地提升原算法的性能。
　　此外，以大型超市為場景設計一個原型系統(tǒng)，來模擬超市中客戶行為實時預測的應用過程，為現(xiàn)實應用提供一個參考。
　　2(3)-候選項數(shù)量巨大是Apriori系列算法的共同瓶頸。因此，改進算法的思想可以應用于基于Apriori的各種擴展算法。同時，結合RFID技術，企業(yè)可以實現(xiàn)對客戶行為的實時預測，并提供