|
組合營(yíng)銷策略中基于約束的關(guān)聯(lián)規(guī)則挖掘方法
（作者未知） 2010/8/12
（接上頁）信息：暢銷商品A以及與A關(guān)聯(lián)的商品價(jià)格總和的最大值(max_sumprice)。
該算法的基本思想是：首先利用用戶指定商品A為約束條件對(duì)事務(wù)數(shù)據(jù)庫(kù)D進(jìn)行掃描，包含A的實(shí)例加入到實(shí)例集Dt中，其余被過濾掉。然后在經(jīng)典Apfiofi算法的頻繁項(xiàng)集生成過程中應(yīng)用受max_sumprice參數(shù)約束的剪枝策略，生成符合約束條件的頻繁K-項(xiàng)集，最后由頻繁項(xiàng)集生成受約束的關(guān)聯(lián)規(guī)則。
4．3剪枝策略
定義1
約束Ca是反單調(diào)的是指對(duì)于任意給定的不滿足Ca的項(xiàng)目集S，不存在S的超集能夠滿足Ca。
下面給出了與A相關(guān)聯(lián)商品的反單調(diào)性約束表達(dá)式：
sum_price(Bl，B2，…，Bn)≤max_sumprice。
其中，sum_price(B1，B2，…，Bn)為在頻繁項(xiàng)集的項(xiàng)(item)中與A相關(guān)聯(lián)的商品價(jià)格的總和。
證明：反證法。假設(shè)sum_price(B1，B2，…，Bn)﹥max_sumprice，且有sum_price(B1，B2，…，BnBn+1)≤max_sumprice，其中Bi﹥0。則有sum_price(B1，B2，…，Bn)﹥sum_price(B1，B2，…，BnBn+1)，即：Bn+1+l﹤0，與假設(shè)Bi﹥0矛盾，故sum_price(B1，B2，…，Bn)≤max_sumprice為反單調(diào)性約束條件。由定義1可以確定，如果在Apriofi算法中生成的任何一個(gè)頻繁項(xiàng)集不滿足反單調(diào)約束條件，則它的任何超集都不滿足此約束條件。因此，在經(jīng)典的apriori算法產(chǎn)生K-1-頻繁項(xiàng)集后，我們可以直接將不滿足約束的頻繁項(xiàng)集剔除掉。這樣從客觀上，減少了頻繁項(xiàng)集生成所需要的候選項(xiàng)集的數(shù)目，成功地對(duì)候選項(xiàng)集進(jìn)行了剪枝。
4．4 UD-Apriori算法描述
輸入：事務(wù)數(shù)據(jù)庫(kù)D，A(用戶指定的商品)，min_sup(最小支持度)，min_conf(最小置信度)，max_sumprice(頻繁項(xiàng)集的項(xiàng)中與A關(guān)聯(lián)的商品之和的最大值)。
輸出：滿足min_sup，min_conf，A，max_sumprice約束的關(guān)聯(lián)規(guī)則。
Begin
If A is unfrequent then
return；
Filter(A)；
L1=L1+find_frequent_l-itemsets(D’)//產(chǎn)生頻繁1項(xiàng)集
Delete T where not contain L1；
Gen_rules(1，L1)；//產(chǎn)生頻繁1項(xiàng)集規(guī)則
For(k=2；Lk-1≠φ；k++)
{Ck：apriori_gen Lk-1,min_sup，max_sumprice)；//產(chǎn)生K-項(xiàng)集
Lk=subset (Ck,D’)；//產(chǎn)生頻繁K-項(xiàng)集
Gen_rules(K，Lk)：//產(chǎn)生頻繁K-項(xiàng)集的規(guī)則
end；procedure filter(A)//過濾事務(wù)數(shù)據(jù)庫(kù)
For all trasactions t D：
Ift contain A then
Write to D′return；
5 試驗(yàn)結(jié)果分析
本試驗(yàn)采用IBM數(shù)據(jù)生成器生成記錄型測(cè)試數(shù)據(jù)進(jìn)行算法測(cè)試，同時(shí)將每個(gè)項(xiàng)目元素進(jìn)行價(jià)格賦值。實(shí)驗(yàn)環(huán)境基于winxp平臺(tái)，計(jì)算機(jī)內(nèi)存256MB，主頻2．8GHZ，測(cè)試數(shù)據(jù)各項(xiàng)參數(shù)如表2。
在數(shù)據(jù)庫(kù)291個(gè)項(xiàng)目元素中，元素最高價(jià)格為4995。在頻繁1項(xiàng)集中項(xiàng)集最高價(jià)格為4425。因此，將價(jià)格為4425的項(xiàng)i4425定為指定約束元素。基于此事務(wù)數(shù)據(jù)庫(kù)對(duì)經(jīng)典的Apriori算法及受用戶指定數(shù)據(jù)約束算法的對(duì)比測(cè)試結(jié)果如表3。
實(shí)驗(yàn)結(jié)果表明，由于受項(xiàng)i4425的約束，算法的運(yùn)行時(shí)間和生成的規(guī)則數(shù)大為減少。且由于指定了約束條件項(xiàng)i4425，使挖掘過程的指向性得到明顯提高。很好的控制了挖掘的數(shù)據(jù)規(guī)模，從而保證了在生成的關(guān)聯(lián)規(guī)則數(shù)目減少的同時(shí)更加契合用戶的意愿。
6 結(jié)論
本文根據(jù)網(wǎng)絡(luò)電子商務(wù)的特點(diǎn)，結(jié)合組合營(yíng)銷策略實(shí)施中客戶的具體購(gòu)買模式，提出了一種基于約束的關(guān)聯(lián)規(guī)則挖掘算法。試驗(yàn)結(jié)果表明，這種算法由于引入了更多的用戶控制，相比經(jīng)典的關(guān)聯(lián)規(guī)則挖掘算法效率更高。挖掘結(jié)果表明，挖掘生成的關(guān)聯(lián)規(guī)則大為減少，信息指向性也更加明確，為企業(yè)實(shí)施組合營(yíng)銷策略提供了科學(xué)的依據(jù)。
|