基于自律计算的市场购物篮分析

提出了一种基于自律计算的购物篮分析模型,以商业流程为基础,建立优化的数据库结构,把自律计算算法作为研究核心,以仿真实验验证,结合购物篮分析决策模型完成自律计算及其在购物篮分析中的应用研究,对其中的购物篮分析方法进行了优化.在商业系统中,数据通过DB接口到达至购物篮中,然后对这些数据进行清理并通过挖掘算法对之进行决策,随之通过自律计算单元来判断该数据是否符合要求,若符合,则通过I/O接口到达商业用户;若不符合则返回购物篮继续进行数据清理,直到数据符合条件为止.     

基于小型超市POS系统数据挖掘分析方法的应用

在零售业的数据分析中,购物篮分析是一种最为行之有效的方法,购物篮分析的目的就是在顾客的购买交易中分析出能够同时购买一类产品或一组产品的可能性.但是,具体采用何种分析方法和分析工具来进行购物篮分析,目前在数据挖掘领域还是个盲点.据此提供了一种实用、高效的面向小型超市的购物篮分析方法.以一个面向小型超市的购物篮分析应用实例为背景,介绍了一种利用市场上常见的数据分析工具(SPSS、EXCEL等)对数据进行相关分析和回归分析计算出决定系数和相关系数并导出实际关联结果的实际方法.并提出了基于线性回归方程的关联结果的验证方法.     

基于连锁超市POS系统的购物篮管理

购物篮管理是现化信息技术下连锁零售企业的一种新的理念、技术和方法。本文通过对国内一家拥有十多家大卖场和数十家超市的中型连锁企业的销售数据进行购物篮分析,旨在帮助中国连锁零售企业突破经营瓶颈作探索性研究。     

基于数据挖掘技术的大学生选课系统应用研究

商品"购物篮"法则是指超市将存在内在联系的某些特定商品摆放在一起,从而提高购物效率、增加营业额的营销手段。大学生选课与顾客超市购物有许多相似之处。本文基于商品购物篮法则,对大学生选课数据进行深度挖掘,建立"网络"图形分析模型、GRI模型、决策树模型和规则集,寻找课程之间内在联系,对大学选课系统、选课模式提出基于数据分析结果的科学合理的建议。     

改进购物篮分析的关联规则挖掘算法

基于改进传统购物篮分析的关联规则挖掘是在数据处理时引入兴趣度加权的思想,将所有交易中同一类商品的交易量进行归一化处理,根据用户领域知识的要求,计算该类商品的兴趣度加权阈值,从而改进传统的购物篮分析,使所挖掘出的关联规则符合实际,同时减少关联规则挖掘的工作量,提高规则挖掘的效率和准确性.     

基于logistics回归法从购物篮数据研究消费状况

针对购物篮问题,以购物篮数据为基础,采用散点图分析了消费水平与收入、年龄、性别等变量的相关性;采用列联表法分析了各消费商品内部的关联性。通过剔除无关变量后,用logistics回归分析法分别对消费水平与收入,购买甜点和收入、葡萄酒等主要变量建立模型。结果发现消费水平与收入的相关性不显著;除了购买甜点和购买葡萄酒之间具有较强的相关性以外,顾客的消费基本呈现出一种均匀的分布状态。     

浅谈数据处理的新技术——数据挖掘

从计算机的一个重要应用领域——数据处理出发,针对当前信息数据暴涨的现状,分析了一种新型的数据处理技术,即数据挖掘。通过对基于关联规则的购物篮分析,进一步说明了数据挖掘技术在社会发展中的重要性。     

基于频繁2-项集的数量关联规则挖掘方法研究

关联规则挖掘方法自提出以来已有很多改进算法,但均局限于布尔关联规则的挖掘.已有的数量关联规则挖掘主要考虑了连续属性值离散化、最优的数量关联规则挖掘等问题,但存在过小支持度和过小置信度问题.研究了这一问题并提出了一个在频繁2-项集的基础上挖掘数量关联规则的改进算法.它不仅可以用于典型的购物篮分析,还可以用于购物篮分析不能完成的关联规则挖掘问题,如带数量的捆绑销售问题.     

基于关联规则的购物篮分析

关联规则研究有助于发现数据库中不同商品之间的联系。其分析结果可以应用于制定营销策略,寻求最佳的商品货架布局。从关联规则挖掘算法和关联模式的评估两方面对购物篮数据进行关联分析。     

可视化数据挖掘技术的研究与实现

为了充分发掘和利用信息资源的价值,数据挖掘技术应运而生;首先就可视化数据挖掘的概念和分类进行了阐述,然后探讨了可视化数据挖掘的一些主要技术,最后通过所开发的一个系统对经典的购物篮分析问题进行了可视化数据挖掘技术的实现探讨。     

商品目录区隔问题研究

商品目录区隔是当今商业智能领域数据挖掘研究的重要问题,它以如何同顾客有效地交流为核心,从不同的市场决策中找到能最大化全体顾客效用的决策。商品目录区隔可以和购物篮分析等其他数据挖掘手段相结合,应用于市场定位并为顾客提供个性化的交互方式和挖掘新奇的消费模式。     

电子商务教学网站的建设

介绍了构建学习型电子商务网站的技术和实现方法，内容包括网站框架、ASP技术，电子货架、电子购物篮和数据加密等．此网站为适应教学实践而开发．     

基于数据挖掘的网络购物用户行为分析

以合肥向右围商贸有限公司旗下淘宝店铺的数据为研究样本,运用购物篮和熵值法分析店铺所销售商品之间的关联性,预测网络购物用户再次购买该店铺商品的可能性.根据预测模型,营销人员可以提高营销成功率.     

Apriori算法的改进及在电子商务中的应用

针对经典Apriori算法中挖掘到的结果不能实现商家利益最大化和推荐权值人为设定的问题,在考虑商品利润和销量的基础上,提出基于Apriori算法的加权关联规则模型.最后,在实际购物篮数据的测试中,验证了改进后算法实用性.     

网上超市购物系统的设计与实现

运用JSP技术和数据仓库技术,基于MVC模式开发了一个网上超市购物系统,除了可以进行注册会员、会员登录、浏览商品、下订单及商品查询,还可以基于客户当前或者之前的购物篮中的产品来推荐新的产品,以及根据客户的资料向客户推荐不同等级的会员卡.     

一种基于位矩阵的负关联规则挖掘新算法

典型的关联规则仅考虑事务中所列举的项目,这样的规则主要是正关联规则.负关联规则不但要考虑事务中所包含的项目集,还要考虑事务中所不包含的项目,它有利于进行购物篮分析以发现那些相关的商品或互斥的商品.而已有的负关联规则挖掘的算法具有很大的局限性.为此,文中提出了一种基于位矩阵的负关联规则挖掘新算法.通过算例表明,该算法是有效可行的.     

基于Apriori算法的改进关联规则的算法研究

关联规则是数据挖掘的一个重要研究内容,主要用于从大量数据集中挖掘出有价值的数据项之间的关联关系.典型案例是超市的购物篮分析,主要对顾客的购买记录数据库进行关联规则挖掘,可以发现顾客的购买行为.本文依据Apriori算法的两个基本性质,即任何大项集的子集一定是大项集,非大项集的超集一定是非大项集,对经典的Apriori算法要多次扫面事务数据库的问题,作了一些改进,并进行仿真计算,结果表明,改进的算法确实减少了扫描次数.     

基于图像RGB色彩特征的关联规则挖掘研究

对图像色块RGB值进行抽取和处理、建立常用颜色数据表和图像RGB颜色值的事务数据库D、最后应用关联规则进行挖掘.关键工作是建立"n张图像颜色值事务数据库D",它与使用传统的购物篮数据进行关联规则挖掘的事务数据表形式类似.因此,基于图像RGB色彩特征的非结构化数据挖掘问题就转化成了结构化数据的挖掘问题.     

基于关联规则重要性的产品购买序列模式发现

为了解决利用关联规则进行购物篮挖掘分析存在的两个问题:由于数据挖掘前的业务分析不足,不能有效的挖掘出想要的规则;按照传统的关联规则参数设置挖掘得到的关联规则太多,用户无法对其进行取舍.结合实例销售数据,对数据源进行了业务深层分析,构建了基于销售的主题数据仓库,保证了数据挖掘的有效性,同时用概率代替置信度进行参数设置,并引入关联规则"重要性"参数作为新的衡量标准,分析规则的有趣性,以筛选出更有价值的关联规则.将研究结果应用于某制造业产品销售实例,进行了基于关联规则的产品序列购买模式研究,得到了有效的产品销售关联规则,支持了市场决策.     

利润约束的关联规则挖掘算法

针对传统数据挖掘技术的劣势,提出一种以利润为基础的约束关联规则挖掘算法.在使用关联规则进行数据挖掘之前,算法按照商品利润的权重信息对购物篮中的原始商品交易信息实施预处理,可以使后续的数据关联规则挖掘更加的精确可靠,提升数据挖掘的效果.结果表明:基于利润的约束关联规则挖掘算法对数据库的原始数据实施了利润约束修正,增加了利润加权阈值,可有效提升数据挖掘算法的知识挖掘性能.