基于序列模式的正负关联规则挖掘技术

《基于序列模式的正负关联规则挖掘技术》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、山东轻工业学院硕十学位论文摘要随着数据库技术的迅速发展以及数据库管理系统的广泛应用，应运而生了数据挖掘技术。通过数据挖掘我们可以找到对于商业销售及生产极为有效的一些信息，从而可以提高销售和生产效率，降低成本，取得最大的商业效益。其中，序列模式的挖掘是一个非常活跃的分支。对企业来说，序列模式可预测顾客的购买行为，促进销售量。比如彳鞘，这条规则是指顾客在购买了商品彳之后，往往会接着买商品口。商家可根据这条规则制定销售策略，促进蹲个商品的销售。然而有时还会出现以下情况，顾客在购买了商品A之后，往往不会买商品C，这条

2、规则记为A≥--,C，这就足序列模式的负关联规则。在企业制定决策时，序列模式的负关联规则对于如何减少负面因素，最大限度的增加正面效益尤为重要。然而目前的序列模式研究，都是形如么劫封的基于序列模式的正关联规则。关于序列模式的负关联规则的研究尚未展开。本文分别对现有的序列模式算法和负关联规则挖掘算法进行了研究，并利用相关性的定义，剔除其中相互矛盾的关联规则，将两种算法相结合，应用到序列模式的挖掘中，从而可以同时挖掘出基于序列模式的正、负关联规则。最后给出了应用实例，具体说明算法的实现过程。关键词：数据挖掘；序列模

3、式；关联规则；相关性；负关联规则IIIABSTRACTWiththerapiddevelopmentofdatabasetechnologyandbroadapplicationofdatabasemanagementsystem，databaseminingwasborn．Wecangetveryimportantinformationforsalesandproductionthroughdatabaseminingincertainpattern，SOastoimprovesalesandproduct

4、ionefficiency，andreducecostsformaximumconHnercialbenefit．Sequentialpatterns’miningisallactivebranchofdatabasemining．Throughminingsequentialpatternsbetweenfrequentitemsets，buyer’Sshoppingpatterncanbepredicted；quantityofsalecallbepromoted．Forexample彳二垴。thisru

5、lereferscustomerstobuymerchandiseA，thenoftenbuyB．Businessescanconstitutesalesstrategyaccordingtothisruletopromotesalesofthetwoproducts．But，sometimescustomersbuymerchandiseA，tendnottobuyC，thisruleisdenotedasA=nC。wecallitnegativeassociationrulesbasedonsequent

6、ialpatterns．Inthebusinessofdecision-making，thenegativeassociationrulesbasedonsequentialpatternonhowtoreducethenegativefactors，andincreasebenefitinthemaximumareparticularlvimportant．Now,mostresearchesaboutsequentialpatternsareconcentratedonthepositiveassocia

7、tionrules，negativeassociationrulesbasedonsequentialpatternshavenotyetcommencedresearch．Thethesisstudiedtheexistingsequentialpatternsalgorithmandnegativeassociationrulesmining，usedthedefinitionofcorrelationtoremoveconflictingassociationrules，andcombinedthese

8、twoalgorithms，gaveanalgorithmofminingpositiveandnegativeassociationrulesbasedonsequentialpatterns．Finally,gaveanexamplesoftheapplication，specifiedtheimplementationofthealgorithm．Keywords：datamining；seq