一种带记忆性的零售商品关联度分析方法

被引：11

作者：

杨丰梅 ^{[1
]}

李梦 ^{[1
]}

田歆 ^{[2
]}

李健 ^{[3
]}

丁玉章 ^{[2
,4
]}

机构：

[1] 北京化工大学理学院

[2] 中国科学院虚拟经济与数据科学研究中心

[3] 北京化工大学经济管理学院

[4] 上海海鼎信息工程股份有限公司

来源：

系统工程理论与实践 | 2014年 / 34卷 / 11期

关键词：

购物篮分析; 关联规则; 频繁项目集; 商业智能; 邻接矩阵;

D O I：

暂无

中图分类号：

F713.36 [电子贸易、网上贸易]; F713.32 [零售贸易];

学科分类号：

1201 ;

摘要：

基于关联规则的购物篮分析对实体或在线零售企业改善品类管理、优化门店布局陈列、实现关联促销与推荐等起着重要作用.本文针对企业需求,应用邻接矩阵和截矩阵技术,提出了挖掘商品关联性的AC算法和进一步求频繁k-项集的M-AC算法,证明了这类方法运算简单,应用成本低,具有记忆性质,当数据更新时,无须重新运算.通过在零售企业的成功应用,论证了这种商品关联度分析方法的有效性.

引用

页码：2872 / 2880

页数：9

共 15 条

[11] Mining frequent patterns without candidate generation
Han, JW
Pei, J
Yin, YW
[J]. SIGMOD RECORD, 2000, 29 (02) : 1 - 12
[12] Query flocks[J] . Dick Tsur,Jeffrey D. Ullman,Serge Abiteboul,Chris Clifton,Rajeev Motwani,Svetlozar Nestorov,Arnon Rosenthal. ACM SIGMOD Record . 1998 (2)
[13] Beyond market baskets[J] . Sergey Brin,Rajeev Motwani,Craig Silverstein. ACM SIGMOD Record . 1997 (2)
[14] An effective hash-based algorithm for mining association rules[J] . Jong Soo Park,Ming-Syan Chen,Philip S. Yu. ACM SIGMOD Record . 1995 (2)
[15] Mining association rules between sets of items in large databases[J] . Rakesh Agrawal,Tomasz Imieliński,Arun Swami. ACM SIGMOD Record . 1993 (2)

← 1 2 →