关联规则挖掘在DSCRM系统中的应用

考虑汽车销售行业的特殊性，将关联规则应用于客户关系管理系统销售数据的分析中，运用关联规则挖掘的经典Apriori算法搜索所有的强关联规则，关联规则的分析方法对车辆销售中提高销售金额、交叉销售和提高客户满意度具有一定的辅助意义。     

基于关联规则的Apriori算法的改进及其在保险业CRM的应用

客户关系管理作为一种以客户为中心的经营策略,可以很好完成客户的获取与保持,为经营者提供决策支持,而数据挖掘作为一种分析工具,可以应用在客户关系管理中的大量数据分析和客户价值挖掘中。作为数据挖掘研究的一项重要内容——关联规则数据挖掘研究,其经典的Apriori算法及其改进算法存在着一些不足,如产生庞大的候选集、需要多次扫描数据库,大大增加I/O开销,针对这个算法的瓶颈问题,提出了基于关联规则的改进的Apriori算法,并将其应用在客户关系管理中的大量数据分析,如客户的年龄、职业、年收入、险种等属性,通过对得出的规则的分析来挖掘出具备某些特征的客户趋向购买何种险种,为业务的宣传及管理者的决策支持提供了明确性。     

基于关联规则的Apriori算法的改进及其在保险业CRM的应用

客户关系管理作为一种以客户为中心的经营策略,可以很好完成客户的获取与保持,为经营者提供决策支持,而数据挖掘作为一种分析工具,可以应用在客户关系管理中的大量数据分析和客户价值挖掘中.作为数据挖掘研究的一项重要内容--关联规则数据挖掘研究,其经典的Apriori算法及其改进算法存在着一些不足,如产生庞大的候选集、需要多次扫描数据库,大大增加I/O开销.针对这个算法的瓶颈问题,提出了基于关联规则的改进的Apriori算法,并将其应用在客户关系管理中的大量数据分析,如客户的年龄、职业、年收入、险种等属性,通过对得出的规则的分析来挖掘出具备某些特征的客户趋向购买何种险种,为业务的宣传及管理者的决策支持提供了明确性.     

多层移动CRM应用架构设计与分析

随着移动商务在企业应用领域中渗透，作为桌面型客户关系管理系统在移动终端上的扩展——移动客户关系管理（简称移动CRM）可以突破时空限制，随时随地实现客户关系管理．本文设计了一种基于J2ME智能客户端的移动客户关系管理应用解决方案，既能在线交互又可离线操作的智能客户端技术，对国内中小企业实施移动客户关系管理应用具有一定的参考意义．     

基于数据挖掘技术的客户关系管理系统

针对数据挖掘技术是实现客户关系管理的重要工具，介绍了客户关系管理系统，着重分析了应用在CRM中的数据挖掘技术，探讨了其商业价值。     

一种基于关系代数的Apriori优化方法

提出了一种采用关系数据库管理系统的数据处理能力实现关联规则算法的方法.结合Apriori算法的思想与关系代数的理论,分析了采用SQL语句实现Apriori算法的理论可行性,并描述了算法的实现过程.在Mushroom数据集上的实验验证了本文方法的简单高效性.     

关联规则的数据挖掘在高校图书馆系统中的应用

简要介绍了关联规则的数据挖掘以及Apriori算法,对Apriori算法优缺点和性能进行分析,并将Apriori算法应用于高校图书馆管理系统,给出了系统的完整实现过程通过分析数据挖掘的结果,寻找各个学科领域中的一些相互关联的知识、辅助教师的教学工作,优化图书馆的馆藏布局。     

数据挖掘技术在客户关系管理系统中的应用

阐述数据挖掘的概念和主要分析方法，以及数据挖掘技术在客户关系管理系统中的应用，并结合一个客户流失分析的实例说明用于客户关系管理系统的数据挖掘工具的设计和实现。     

试论客户关系管理系统的实施

客户关系管理（CRM）已成为企业管理新的时代内容和决定性因素。实施客户关系管理系统已经成为企业提升竞争力最重要的途径之一，也是企业实施信息化的重要内容。文章对影响企业实施客户关系管理系统成败的关键因素进行了分析和论述。     

数据挖掘在保险客户关系管理中的研究

为了从企业客户数据库中挖掘出用户的商业行为和规律,研究了数据挖掘的体系结构和客户关系管理框架,以某保险公司客户关系管理系统为例,设计了系统的功能模块。针对系统的实施,构建了其数据仓库模型,设计了基于数据挖掘的客户关系挖掘算法。     

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.     

一种改进的关联规则挖掘算法

从大型事务数据库中发现关联规则是数据挖掘中的一个重要课题,其核心问题是挖掘频繁项集.经典Apriori算法是有效的挖掘频繁项目集的算法.在分析Apriori算法的基础上,提出了一种利用二维数组来代替算法中的哈希树的方法,可以迅速产生二阶频繁项目集,改善了Apriori算法的效率瓶颈,大大提高了算法的执行效率.     

关联规则挖掘在税务系统中的应用研究

通过对关联规则经典挖掘算法Apriori算法的分析;并在Apriori算法基础上,采用一种基于布尔矩阵的行向量寻找频繁项集的关联规则挖掘算法,将该算法应用于税务系统中,分析欠税纳税人的欠税行为等情况,并判断其是否符合业务规则。     

基于Apriori优化算法的IDS模型研究

Apfiofi算法是数据挖掘技术中关联规则的经典算法，为了解决在入侵检测系统中使用Apfiofi算法进行模式匹配的低效率问题，提出了针对Apfiofi算法的优化，提出一种基于基于事务压缩和项目压缩的优化算法，该优化算法比Apriori算法具有明显的效率，提高了模式匹配的精度．     

Apriori算法的改进及其在单病种信息挖掘中的应用

采取二维数组方法一次性将数据全部读进内存的方法改进Apriori算法,并用改进的Apriori算法对一种单病种信息进行挖掘,得出和管理指标相关的信息,这些信息对今后预防和控制疾病有帮助。     

修正中文评论挖掘中产品特征词序的实验研究

目前互联网已经成为信息和观点的交换主要媒介,因此也成为了手机用户对于产品观点的最佳来源.但是目前为止研究中文文本的评论挖掘问题的研究还比较少.为了进一步发展这一领域的研究,旨在从中文客户评论中得到用户关心的产品特征.方法基于关联规则理论中的Apriori算法.主要通过计算频繁特征项的各分量在文本中出现位置的概率,从而确定挖掘到的候选产品特征中词汇的语序,使挖掘结果满足中文的正规语法要求.采用因特网上的评论数据作为语料,通过实验结果表明所提出的方法使得中文评论中的产品特征挖掘性能有所提高.     

采用填充字符的频繁序列模式挖掘算法

具有固定通配符间隔的频繁序列模式挖掘算法应具有删属性,从而保证在实际应用中能挖掘出有意义的长模式．而原有的问题定义集合存在一定的不足阻碍了该属性的实现．通过引入填充字符改变部分问题定义,解决原定义引起的一些极端性问题,并在模式挖掘过程中保证了完整性和有效性．将基于新定义集合提出的硒孙l算法与基于原定义集合的MMP算法分别在DNA序列上进行实验,结果表明算法实现了Apfiofi属性．     

基于数据挖掘的课程相关性分析系统的应用研究

本文论证了采用关联规则算法进行数据挖掘,以发现课程之间相关性的可行性。数据挖掘部分采用经典的Apriori算法,并引入了感兴趣度的概念,对挖掘结果进行进一步的清理,从而提高了系统的性能。     

基于关联挖掘的课程相关性模式研究

基于关联规则挖掘理论,采用经典Apriori算法,通过对某高校历届学生专业修读课程及考试成绩数据与规律、规则等的学习,发现了数据中隐藏的课程相关规则或模式.针对所产生的大量模式和规则进行兴趣度分析,提取出符合高校教学管理与改革需要的、更有效的课程相关规则,对指导当今高校学分制体系下学生选课、排课及学生个性化学业修读计划制订与实施等具有积极意义.     

基于划分的Apriori改进算法在电子商务中的应用

针对当前电子商务中关联规则技术的应用,结合电子商务系统的实际需求,在简述关联规则技术与Apriori算法的基础上,提出了一种改进的Apriori算法,并与传统算法进行比较分析,最后将此算法实际引用到电子商务系统中,使其具有更高的效率和准确度．