面向零售业的关联规则挖掘的研究与实现

摘要：

随着零售业在城市的快速发展，智能系统积累了大量的零售业原始数据，急需一种技术来发现数据中蕴含的内在规则，为企业管理者提供决策支持。数据挖掘是目前一个重要的研究方向，可以把日常业务数据知识化。介绍了零售业商务智能系统的发展现状，并通过分析零售业数据来掌握顾客的购买偏好，并同时对挖掘结果进行说明，在一定程度上利用关联规则技术解决现实中的商业问题。针对数量和利润的因素，提出利用频繁项目集寻找商品利润最大化的销售组合模型，零售商可以根据该模型输出的销售组合模型对商品进行捆绑销售，以获得最大利润。提出来竞争商品的概念，即找出隐含在数据库中相互竞争商品的模型，这样就得到了零售业商品推荐模型。实验结果表明，提出的模型能找出高交叉销售利润的商品，在零售业中有很好的实用性。

关键词：数据挖掘、关联规则、零售业商务智能系统、Apriori算法

所属期刊栏目：26

分类号：TP311(计算技术、计算机技术)

资助基金：陕西省自然基金资助项目2003JM8005;榆林市科技局资助项目NY13-15;榆林学院青年科技基本资助项目14YK37

在线出版日期：2016-11-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：146-150