關(guān)聯(lián)規(guī)則挖掘算法研究及其在CRM中的應(yīng)用.pdf

1、該文比較研究了現(xiàn)有的關(guān)聯(lián)規(guī)則挖掘算法如Apriori算法、增量式更新算法等,發(fā)現(xiàn)存在問題有二,其中之一是當(dāng)數(shù)據(jù)庫中增加新的數(shù)據(jù)時(shí),多數(shù)算法要重新掃描整個(gè)大型數(shù)據(jù)庫,效率較低.另一個(gè)問題是由于現(xiàn)有算法中項(xiàng)目集的支持度是基于整個(gè)數(shù)據(jù)庫計(jì)算的,當(dāng)新增的數(shù)據(jù)中出現(xiàn)新項(xiàng)目時(shí),即使包含新項(xiàng)目的項(xiàng)目集頻繁地出現(xiàn),現(xiàn)有算法常把這些項(xiàng)目集作為非頻繁項(xiàng)目集,由此產(chǎn)生的關(guān)聯(lián)規(guī)則不能反映最近的商業(yè)活動(dòng).該文根據(jù)以上算法存在的問題,首先提出了一個(gè)新的概念——敏感

2、性,用來衡量各種關(guān)聯(lián)規(guī)則挖掘算法對(duì)新項(xiàng)目的重視情況.然后一方面從改進(jìn)算法的時(shí)間效率出發(fā),引入一個(gè)參數(shù)c(1≤c≤∞),根據(jù)舊數(shù)據(jù)集的支持度大于或等于minsup/c的頻敏項(xiàng)目集和新增數(shù)據(jù)集發(fā)現(xiàn)頻繁項(xiàng)目集,而不需掃描整個(gè)舊數(shù)據(jù)集;另一方面從敏感性出發(fā),對(duì)于只出現(xiàn)在新數(shù)據(jù)集中的頻繁項(xiàng)目集,則直接作為整個(gè)數(shù)據(jù)集的頻繁項(xiàng)目集.緊接著該文通過實(shí)驗(yàn)把改進(jìn)的算法與增量式更新算法進(jìn)行了比較分析.最后結(jié)合數(shù)據(jù)倉庫知識(shí),探討了如何把關(guān)聯(lián)規(guī)則應(yīng)用于客戶關(guān)系管