基于利潤分析的多層關(guān)聯(lián)規(guī)則研究.pdf

1、面對當(dāng)今競爭激烈的時(shí)代，企業(yè)無不采取計(jì)算機(jī)高新技術(shù)來提高效益。利用數(shù)據(jù)挖掘技術(shù)，可以幫助企業(yè)獲取龐大數(shù)據(jù)庫中隱藏的有用信息，幫助企業(yè)決策者作出正確的決策，因此，數(shù)據(jù)挖掘成為當(dāng)今相當(dāng)熱門的研究領(lǐng)域，特別是在關(guān)聯(lián)規(guī)則方面的探討尤其如此。通過關(guān)聯(lián)規(guī)則可以找出數(shù)據(jù)庫中某些商品項(xiàng)目間彼此的關(guān)聯(lián)性，如消費(fèi)者的購物習(xí)慣等。對于如何才能有效的推導(dǎo)出關(guān)聯(lián)規(guī)則，已經(jīng)有許多的方法相繼被提出。但是大部分的算法都是處理單一層次間的關(guān)聯(lián)規(guī)則。然而因?yàn)樯唐讽?xiàng)目眾多、

2、數(shù)據(jù)不夠密集，找出的關(guān)聯(lián)規(guī)則數(shù)目可能會(huì)變的較少，許多隱藏的知識(shí)就不能被挖掘出來。多層次關(guān)聯(lián)規(guī)則的挖掘技術(shù)，是將數(shù)據(jù)轉(zhuǎn)換成對應(yīng)的層次化架構(gòu)模式，再對各層次使用單層次關(guān)聯(lián)規(guī)則算法來獲得關(guān)聯(lián)規(guī)則。以往的單層次算法的做法，容易產(chǎn)生太多的候選項(xiàng)集，因而需要多次訪問數(shù)據(jù)庫的操作。數(shù)據(jù)挖掘處理對象都是大型數(shù)據(jù)庫，反復(fù)搜索數(shù)據(jù)庫必將造成輸入輸出上大量時(shí)間的浪費(fèi)。而夾擊搜索算法(Pincer-Search)在搜尋長度較長的頻繁集時(shí)效率較之傳統(tǒng)算法有很大的

3、提高，因此本文利用它的這個(gè)特性將之應(yīng)用于多層次架構(gòu)中做關(guān)聯(lián)規(guī)則挖掘，并和以往多層次關(guān)聯(lián)規(guī)則的挖掘所采用的算法做分析并比較其效果，結(jié)果發(fā)現(xiàn)，夾擊搜尋算法的效率要高很多。另外，以往文獻(xiàn)中討論的關(guān)聯(lián)規(guī)則均未考慮購買商品的數(shù)量及獲利性，然而，在商品交易中數(shù)量和獲得的相應(yīng)利潤是商家非常關(guān)心的焦點(diǎn)問題。因此，一個(gè)能有效挖掘多層次間數(shù)據(jù)并包含數(shù)量與利潤分析的關(guān)聯(lián)規(guī)則才能滿足企業(yè)最大程度上獲利的需要。 本論文以作者參與的《重慶市醫(yī)藥公司藥品配送

4、與零售系統(tǒng)》中的藥品銷售數(shù)據(jù)做研究對象，用夾擊搜索算法在其上進(jìn)行多層次關(guān)聯(lián)規(guī)則挖掘，并與傳統(tǒng)算法(Apriori)進(jìn)行了實(shí)驗(yàn)結(jié)果的對照。實(shí)驗(yàn)證明，隨著數(shù)據(jù)量的增加和數(shù)據(jù)層次的加深，以及層次中類別的增加，夾擊搜索算法對多層次Apriori算法的效率優(yōu)勢越來越明顯。 另外，論文提出在挖掘出的關(guān)聯(lián)規(guī)則中加入數(shù)量和利潤來進(jìn)行分析，并在實(shí)驗(yàn)中通過具體的操作實(shí)現(xiàn)了這一點(diǎn)。論文分析了加入數(shù)量和利潤的因素來重新解讀關(guān)聯(lián)規(guī)則的意義。以往的關(guān)聯(lián)規(guī)則

5、通常進(jìn)行的是所謂購物藍(lán)分析，即在一定的可信度和支持度下顧客在購買一種商品后會(huì)繼續(xù)購買另外一種商品的可能性，也就是分析顧客的購物習(xí)慣，進(jìn)而做出諸如搭配銷售、調(diào)整貨柜位置等營銷策略。然而，這種分析存在一個(gè)缺點(diǎn)，比如在顧客購買第一種商品的利潤遠(yuǎn)遠(yuǎn)大于他所購買的后一種商品時(shí)，則關(guān)聯(lián)規(guī)則給出的購物習(xí)慣對整個(gè)銷售所帶來的利潤提升意義不大。而本文中，對關(guān)聯(lián)規(guī)則加入了數(shù)量和利潤來分析，就會(huì)將該類無意義的關(guān)聯(lián)規(guī)則剔除掉。相反的，在以往的討論中，由于支持度