基于关联规则的超市营销策略研究与分析——开题报告论文.doc

届本科毕业设计（论文）开题报告 题 目 基于关联规则的超市营销策略研究与分析 学 院 　　计算机科学与工程学院 年 级 专 业 网络工程 班 级 学 号 姓 名 指导教师 职 称 实验师 毕业设计(论文)题目 基于关联规则的超市营销策略研究与分析 一、课题来源、研究的目的和意义、国内外研究现状及分析 课题来源 题目自拟 研究的目的和意义 当前，随着数据库技术的迅速发展以及数据管理系统的广泛应用，积累数据越来越多。在这些海量的数据中，往往蕴含着丰富的、对零售业购物篮分析有指导意义的知识。因此，零售业购物篮分析继续一种能从海量信息中发现潜在知识的“工具”，以解决“数据爆炸和知识贫乏”的矛盾。数据挖掘技术最突出的特点便是从海量数据中挖掘出更有价值的信息，这一特点正好迎合零售业购物篮分析数量大的现状。 正是这种背景下，将关联规则挖掘技术应用到超市决策中，建立基于数据挖掘的超市决策管理系统，从而在超市的海量数据中得到有价值的信息，为管理层提供经营支持，将是很有必要深入研究的课题。 从大量的零售事物记录中发现有趣的关联规则可以帮助许多零售商制定决策，如促销分析、交叉购物、分类设计等。在零售业购物篮分析对顾客的购买行为进行关联规则分析，就有可能发现顾客的购买习惯，如果商家充分利用顾客的购买习惯，将销售商品进行合理的摆放，可以增加商品的销售量，从而提高商品的利润。 最后，在企业决策过程中往往存在着种种不同的目标和约束，如利润和商品等因素，过去数据挖掘领域对这方面的研究不多，因此，合理的降关联规则应用在零售业购物篮(超市营销)分析中，产生有意义的信息，并将这些信息归纳作为企业决策时的参考，最终是企业具有更强大的竞争优势，这将会是一份有重要意义和富有挑战性的工作。 国内外研究现状及分析 近几年，对数据挖掘中关联规则的研究是一个非常热门的领域，关联规则是有Agrawal等人首先提出来的一个重要的KDD研究课题，它反映了大量数据中项集之间有趣的关联或相关联系，发现频繁项目集是关联规则挖掘应用中的关键技术和步骤。关联规则挖掘有许多扩展，包括序列模式挖掘，空间关联规则挖掘，事物间关联规则挖掘，正关联规则挖掘和负关联规则挖掘，目前这些方面的研究都比较热门。 国际数据挖掘知名学者、加拿大SinmonFraster大学的教授、关联规则中FP-Growth算法提出者HanJiaWei，他领导的课题组开发了数据挖掘原型系统DB-Minerls。这是一个交互式、多层次的挖掘，可从数据库中挖掘不同层次的知识，国外很多计算机公司非常重视数据挖掘的开发应用，另外对度量的研究有所突破，Chen，Han，BrinMoani等人提出了强关联规则的兴趣度问题，这方面的讨论受到重视，评估关联规则兴趣度的支持度-置信度框架的其他替代方法，促进现有度量方法的完善。这方面的研究和讨论被Sliverstevein推广到相关的算法中。其他方面的研究有：多层关联规的有效增量更新问题：使用量化属性的静态离散化，数据立方体的研究和并行分布关联规则的挖掘等。在国外，关联规则挖掘已经投入应用领域，SGI的Mineest软件、SAS公司的EnternriesMnier软件已经被光放应用在各个商业领域中，其中传统的零售行业运用最为光泛，营销挖掘、购物篮分析和分类设计等都是零售业数据挖掘的只要内容。 与国外相比，国内对数据挖掘的研究稍晚，没有形成整体力量，直到近年来国家自然科学基金支持该领域的研究项目，并且目前进行的大多数研究项目是由政府资助进行的，如863计划等，从事数据挖掘的人员主要在大学，也有部分在研究所或公司。研究所设计的领域很多，一般集中于学习算法的研究，如发现频繁项目集的算法诸如DEelat，Eclat以及DMFI等，这些现金的算法追求的目的就是采用多种有哪些信誉好的足球投注网站策略，尽可能早地对项目集进行修剪，减少每次匹配比较的次数和I/O操作；又如2005年，邓丰义，刘震宇等人提出一种基于向量的FP-Growth改进算法，该算法利用向量表示法使得FP-tree的构造只需扫描数据库一次吗，减小了开销，在支持度变化和有新增数据时也有一定的改进效果。数据挖掘的实际应用以及数据挖掘理论方面的研究，如北京系统工程研究所对模糊方法在知识范县中的应用进行了较深入的研究；北京大学也在开展对数据立方体代数的研究；华中科技大学、中国科技大学、中科院等单位开展了对关联规则挖掘算法的优化和改造；上海交通大学、电子科技大学等单位探讨和研究了非结构化数据的知识发现以及