基于时序关联规则挖掘的客户行为实时预测技术

论文摘要

随着数据挖掘领域的发展,企业通过对客户历史行为的挖掘分析,利用挖掘分析得到的规律来进行客户行为预测。这使企业可以调整对客户的服务策略,在提高服务质量的同时提升了自身的竞争力。随着RFID技术的逐渐成熟,客户行为实时预测这一研究问题开始得到人们的普遍关注。实现客户行为实时预测需要借助RFID技术,同时RFID数据海量性和时序性等特点又会给研究带来新的机遇和挑战。本文针对这些问题,进行了深入地研究。首先,针对RFID数据时序性的特点,本文采用时序关联规则挖掘算法,该算法以Apriori算法为基础来实现。同时,针对零售企业商品间具有层次关系的特点,本文在时序关联规则挖掘算法中加入了层次挖掘的概念,使该算法能够更精确的挖掘出有价值的关联规则。其次,通过实验发现,算法过程中2（3）-候选序列的巨大数量是该算法性能的主要瓶颈。同时由于RFID数据海量性的特点,本文通过利用哈希技术对该算法进行改进。通过提前生成一个哈希映射表,来减少候选序列的数量,并通过实验对改进前后的算法进行了对比。实验证明,当数据量很大或挖掘的支持度值很小时,改进后的算法将明显地提升原算法的性能。此外,以大型超市为场景设计一个原型系统,来模拟超市中客户行为实时预测的应用过程,为现实应用提供一个参考。2（3）-候选项数量巨大是Apriori系列算法的共同瓶颈。因此,改进算法的思想可以应用于基于Apriori的各种扩展算法。同时,结合RFID技术,企业可以实现对客户行为的实时预测,并提供相应的服务。因此,本文的研究具有一定的理论与实际意义。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景和意义
• 1.2 国内外相关领域研究现状
• 1.2.1 客户行为分析的相关概念
• 1.2.2 预测模型的研究现状
• 1.2.3 关联规则挖掘技术的研究现状
• 1.3 研究问题的相关阐述
• 1.3.1 客户行为实时预测
• 1.3.2 时序关联规则挖掘算法
• 1.3.3 客户行为实时预测的应用
• 1.4 本文的主要研究内容和结构安排
• 第2章 客户行为实时预测基础技术
• 2.1 RFID 技术相关介绍
• 2.1.1 RFID 技术发展综述
• 2.1.2 RFID 数据特点
• 2.2 关联规则挖掘的基础知识
• 2.2.1 关联规则挖掘的定义
• 2.2.2 关联规则挖掘的基本挖掘算法
• 2.2.3 关联规则挖掘算法的分类
• 2.3 时序关联规则挖掘
• 2.3.1 时序关联规则挖掘背景
• 2.3.2 时序关联规则挖掘的情况和参数
• 2.3.3 时序关联规则挖掘的方法
• 2.4 本章小结
• 第3章 层次时序关联规则挖掘算法
• 3.1 研究问题的相关概念描述
• 3.1.1 研究问题中的相关概念
• 3.1.2 研究问题的具体描述
• 3.2 层次时序关联规则挖掘算法
• 3.2.1 引入商品层次的目的和意义
• 3.2.2 算法思想
• 3.2.3 算法过程分析
• 3.3 层次时序关联规则挖掘算法实验与分析
• 3.3.1 模拟数据的生成
• 3.3.2 算法的效率实验
• 3.3.3 实验结果分析
• 3.4 本章小结
• 第4章 基于哈希技术的时序关联规则挖掘算法
• 4.1 引入哈希技术的原因
• 4.2 哈希技术改进方法
• 4.2.1 改进算法的算法过程
• 4.2.2 缩减交易数据库规模
• 4.2.3 选取哈希函数
• 4.3 对比实验与分析
• 4.3.1 对比实验数据
• 4.3.2 对比实验结果分析
• 4.4 本章小结
• 第5章 客户行为实时预测原型系统
• 5.1 系统的设计与实现
• 5.1.1 系统的功能目标
• 5.1.2 开发平台与工具
• 5.2 系统总体设计
• 5.2.1 系统原理
• 5.2.2 系统架构
• 5.2.3 系统流程
• 5.3 系统界面实现
• 5.3.1 后台挖掘界面
• 5.3.2 前台展示界面
• 5.4 系统展望
• 5.5 本章小结
• 结论
• 参考文献
• 致谢