基于关联规则分析的产品销售推荐的应用.pdfVIP

第２６卷第２期 四川理工学院学报（自然科学版） Ｖｏｌ２６　Ｎｏ２ ２０１３年４月 ＪｏｕｒｎａｌｏｆＳｉｃｈｕａｎＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅ＆Ｅｎｇｉｎｅｅｒｉｎｇ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ） Ａｐｒ２０１３ 文章编号：１６７３１５４９（２０１３）０２００３６０３ ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１６７３１５４９．２０１３．０２．００９ 基于关联规则分析的产品销售推荐的应用 李洪燕，万 新 （四川理工学院自动化与电子信息工程学院，四川 自贡 ６４３０００） 　　摘　要：阐述了关联规则算法的基本原理，并利用事务数据库中的销售数据和ＳＱＬＳｅｒｖｅｒ２００８Ｄａｔａ ＭｉｎｉｎｇＡｄｄ－ＩｎｓｆｏｒＭｉｃｒｏｓｏｆｔｏｆｆｉｃｅ２００７工具挖掘顾客购买的商品之间各种有趣联系，帮助商家制定营 销策略，最终向每个顾客提供一组正确的推荐信息，从而改善客户的购物体验，增加总的销售额。 关键词：Ｍｉｃｒｏｓｏｆｔ关联规则算法；销售推荐；客户细分 中图分类号：ＴＵ３７５ 文献标志码：Ａ ［３］ 　　交叉销售是实际生活中常见的商业问题，它是根据 法 。首先，通过扫描数据库，累计每个项的计数，并收 客户的购物篮中的历史产品信息来推荐客户最有可能 集满足最小支撑度的项，找出频繁１项集的集合Ｌ。然 １ ［１］ 购买的产品 。最优的推荐信息会提高顾客的购买欲， 后，使用Ｌ找出频繁２项集的集合Ｌ，使用Ｌ找出Ｌ， １ ２ ２ ３ 从而增加总的销售额。相反，劣质的推荐信息可能使客 依次下去，直到所有的侯选项集都不满足条件，算法终 ［４］ 户失去购买兴趣。当面对的销售产品目录比较小时，根 止 。 据丰富的销售经验来提供建议时可能比较容易实现，当 挖掘为事务数据库Ｄ（图１）的频繁项集的过程如下 不同产品的信息和数量比较庞大时，推荐信息就会失去 所示： 有效性和准确性。 １ 关联规则算法的基本原理 Ｍｉｃｒｏｓｏｆｔ关联规则算法属于Ａｐｒｉｏｒｉ关联规则算法 ［２］ 系列 。Ｍｉｃｒｏｓｏｆｔ关联规则算法由两部分构成，第一部 分是挖掘频繁项集，第二部分是基于频繁项集来生成关 联规则。 图１ 事务数据Ｄ １１ 关联规则算法的概念 （１）首先设每个项都是候选 １项集的集合 Ｃ１的成 设Ｌ＝｛ＬＬ，…，Ｌｍ｝是项的集合，设任务相关的 员。扫描所有的事务，并对每个项的出现次数计数。 １， ２ 数据Ｄ是数据库事务的集合，其中每个事务Ｔ是一个非 （２）假设最小支持度计数为２，即ｍｉｎｉｍｕｍ＿ｓｕｐｐｏｒｔ 空项集，使得Ｔ Ｌ。每一个事务都有一个标识符，称为 ＝２。确定频繁１项集的集合Ｌ（图２）。  １ ＴＩＤ。设Ａ是一个项集，事务Ｔ包含Ａ，当且仅当Ａ Ｔ。 （３）若想找到频繁２项集的集合 Ｃ２，首先连接 Ｌ１  关联规则是形如：Ａ Ｂ的蕴涵