关联规则研究及其在CRM中的应用

论文摘要

随着信息社会中数据的爆炸性增长，“数据丰富而信息贫乏”问题的日渐突出，带来了对强有力的数据分析工具的需求。数据挖掘的出现为这一需求提供了有力的技术支持，满足了决策者将海量数据转换成有价值的信息和知识的迫切需要。关联规则挖掘是从数据中抽取有趣、频繁模式的过程，是数据挖掘的一个重要类型。关联规则挖掘的目标是发现项目间的关系，由于在商业、金融业、制造业、司法等领域的广泛应用与成功实践，使它成为了数据挖掘中最重要、最活跃的研究内容。客户关系管理(简称CRM)的概念最早是由专注于IT技术的咨询顾问公司GartnerGroup提出。CRM是一种管理理念，企业应用它来促进并改善与销售、市场营销、客户服务和支持等领域有关的商业流程；目标是缩减销售周期和销售成本、增加收入、寻找扩展业务所需的新的市场机会和渠道，以及提高客户的价值、满意度、赢利性和忠诚度等。CRM管理理念可以帮助企业建立起庞大的数据仓库，而在数据仓库中进行数据挖掘正逐渐成为CRM系统实现过程中最核心的部分。本文首先对数据挖掘和关联规则等相关知识进行了系统地阐述；然后重点研究和分析了关联规则挖掘的两个子问题，针对目前存在的不足之处，设计并开发了更高效的关联规则挖掘算法和制定了更为合理的关联规则衡量评价标准；最后将研究成果具体应用于CRM系统，即以某钢铁集团企业需求为背景，实现挖掘出客户的购买行为和潜在需求规律，为企业领导采用交叉销售模式和策略提供了科学的决策依据。

论文目录

• 摘要
• Abstract
• 目录
• 绪论
• 一、论文的研究背景及意义
• 二、课题的研究任务和论文的主要工作
• 三、论文的创新点
• 四、论文的组织结构
• 第一章 数据挖掘综述
• 1.1 数据挖掘的定义
• 1.2 数据挖掘的分类
• 1.3 数据挖掘的过程
• 1.4 数据挖掘的应用
• 1.5 数据挖掘发展趋势
• 本章小结
• 第二章 关联规则挖掘综述
• 2.1 关联规则基本原理
• 2.2 关联规则算法概述及典型算法分析
• 2.2.1 基于规则中涉及到的数据维数的挖掘算法
• 2.2.2 基于规则中数据的抽象层次的挖掘算法
• 2.2.3 基于规则中处理变量类别的挖掘算法
• 2.2.4 其他关联规则算法
• 2.3 关联规则发展趋势
• 本章小结
• 第三章 基于图论的关联规则挖掘
• 3.1 有向项集图的三叉链表式存储结构
• 3.1.1 有向项集图
• 3.1.2 三叉链表式存储结构
• 3.1.3 有向项集图的构建算法
• 3.2 基于有向项集图的完全频繁项集关联规则挖掘
• 3.2.1 改进思路
• 3.2.2 完全频繁项集及其性质
• 3.2.3 基于有向项集图的完全频繁项集挖掘算法
• 3.3 基于有向项集图的最大频繁项集关联规则挖掘
• 3.3.1 改进思路
• 3.3.2 最大频繁项集及其性质
• 3.3.3 基于有向项集图的最大频繁项集挖掘算法
• 3.4 基于有向项集图的频繁闭项集关联规则挖掘
• 3.4.1 改进思路
• 3.4.2 频繁闭项集及其性质
• 3.4.3 基于有向项集图的频繁闭项集挖掘算法
• 3.5 实例分析
• 3.6 特性分析
• 3.6.1 存储特性
• 3.6.2 遍历特性
• 3.6.3 时间特性
• 3.6.4 数据结构特性
• 本章小结
• 第四章 关联规则评价指标研究
• 4.1 关联规则评价指标体系结构
• 4.2 基本评价指标
• 4.3 定量评价指标
• 4.3.1 相关度
• 4.3.2 影响度
• 4.3.3 参考度
• 4.3.4 时效度
• 4.3.5 新颖度
• 4.4 定性评价指标
• 4.4.1 实用度
• 4.4.2 简洁度
• 本章小结
• 第五章 关联规则在CRM中的应用
• 5.1 CRM
• 5.1.1 CRM概述
• 5.1.2 CRM的组成
• 5.1.3 CRM的基本特征
• 5.1.4 CRM的发展现状
• 5.2 CRM与数据仓库
• 5.3 关联规则在某钢铁集团企业中的应用
• 5.3.1 项目概述
• 5.3.2 典型应用
• 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的学术论文
• 致谢