关联规则挖掘在电子商务中的应用研究

山东师范大学硕士学位论文关联规则挖掘在电子商务中的应用研究姓名：刘三荣申请学位级别：硕士专业：管理科学与工程指导教师：刘希玉20070410关联规则挖掘在电子商务中的应用研究作者：刘三荣学位授予单位：山东师范大学相似文献(10条)1.期刊论文刘三荣.王海峰.LIUSan-rong.WANGHai-feng基于本体的关联规则挖掘研究-微计算机信息2008,24(15)目前许多关联规则挖掘系统存在缺点是仅仅在数据内容上产生规则,缺乏领域知识,产生大量的无用的结论.为了解决以上问题,本文提出基于本体的关联规则挖掘.它的优点是:对于数据的更清晰的概括;产生更少的规则;可以进行多层次的泛化,得到更有意义的结果,揭示更一般的概念;可以用来挖掘层次与层次之间的关联规则.本文对基于本体的关联规则挖掘中的3个主要的问题进行了研究:商品分类本体的构建方法和原则;对于产生的规则使用R-有趣进行精简,并且进行适当得简化;使用改进的Apriori算法实现基于本体的关联规则挖掘的算法.2.期刊论文刘三荣.LIUSan-rong本体在基于电子商务的关联规则挖掘研究中的应用-重庆科技学院学报（自然科学版）2008,10(4)关联规则挖掘(AssociationRuIeMining)是数据挖掘研究的一个重要分支,目前许多关联规则挖掘系统仅在数据内容上生成规则,缺乏领域知识,产生大量无用的结论.为解决以上问题,提出在电子商务的关联规则挖掘中引入本体,对本体在关联规则挖掘中的3个主要问题进行研究.3.学位论文倪子建电子商务中基于商品分类本体的关联规则挖掘2006目前，通过Web进行商务活动带来的便利和它所产生的交易速度已成为电子商务迅猛发展的关键推动力。对电子商务交易日志文件的挖掘可以得到关于群体客户行为和方式的普遍知识，从而改进服务，给客户个性化的界面，开展有针对性的电子商务以更好的满足访问者的需求，扩大商机。关联规则挖掘是数据挖掘研究的一个重要分支，其目的是为了发现交易数据库中不同商品之间的联系规则，可以用来指导商家科学地安排进货、库存以及货架设计等，在电子商务领域可以用作商品推介等。目前许多关联规则挖掘系统存在缺点是以仅仅在数据内容上产生规则，缺乏领域知识，产生大量的无用的结论。为了解决以上问题，本文提出基于本体的关联规则挖掘。它的优点是：(1)对于数据的更清晰的概括；(2)产生更少的规则；(3)可以进行多层次的泛化，得到更有意义的结果，揭示更一般的概念；(4)可以用来挖掘层次与层次之间的关联规则。本文对基于本体的关联规则挖掘中的3个主要的问题进行了研究：(1)商品分类本体的构建方法和原则，以及使用UNSPSC分类标准作为本体的优点；(2)对于产生的规则使用R-有趣进行精简，并且进行适当得简化；(3)使用改进的Apriori算法实现基于本体的关联规则挖掘的算法。在使用FoodMart2000进行的实例验证中，本文使用Java作为开发语言，使用Jena作为本体引擎，完成了数据的预处理，使用T-tree实现了关联规则挖掘算法，实现了R-有趣的规则精简，并且在范例数据库验证了算法的有效性。4.期刊论文生佳根.刘思峰.SHENGJia-gen.LIUSi-feng一种基于本体的关联规则挖掘方法-南京理工大学学报（自然科学版）2008,32(4)关联规则可用于指导企业商务决策,针对关联规则挖掘的支持一置信框架会产生冗余规则的问题,该文提出了一种本体统计相关性与语义相关性相结合的关联规则挖掘方法.该方法以关联规则挖掘为目标,首先建立领域本体,并集成一个更为通用的本体系统辅助关联规则的挖掘,综合考虑本体的统计相关性和语义相关性定量计算规则相关度.应用客观兴趣度和主观兴趣度约束无趣规则的产生.与已有的方法相比,该方法有效地处理了冗余规则,实现了基于语义的知识表示.同时,该方法在心血管疾病辅助诊断系统中应用验证了其有效性和优越性.5.学位论文梁凯强基于本体与概念格的关联规则挖掘2007关联规则发现大量数据中项集之间有趣的关联联系。随着大量数据不停地收集和存储，人们对数据库中潜在的数据之间的关联关系越来越感兴趣。从大量商务事务记录中发现有趣的关联关系，可以帮助许多商务决策的制定，如分类计划、交叉购物和贱卖分析等等。关联规则挖掘作为数据挖掘研究中的主要领域，近年来取得了很大的研究成果，对一些经典算法的改进使效率得到了极大的提高。本文研究内容属于捷玛公司“基于数据仓库的商务决策与分析系统”的一个子课题，笔者在参与数据挖掘项目的开发的基础上，研究并设计了基于本体与概念格模型的关联规则挖掘系统，提出了一种全新的思想。这对关联规则技术的发展与应用具有重要的意义。概念格通过概念的内涵和外延以及概念节点之间的关系来表示知识，因而非常适合于从数据库中挖掘规则。目前概念格已经在信息检索、软件工程和数据挖掘等领域显示出了一定的应用价值。应用概念格进行关联规则的提取可以大大提高系统的效率，成为关联规则挖掘的一个全新的方法。本文前面部分讨论了关联规则的相关知识，并且介绍了本体的概念，分析了如何使用RDF&RDFS语言描述本体，在领域专家的指导下构建了一个基于超市商品的食品本体。然后详细地讨论了概念格模型，在此基础上将本体与概念格相结合，提出了基于本体的概念格缩减算法OCLR算法，对算法进行了分析提出了一个衡量缩减规模的指标——缩减率。应用该算法思想设计并实现了一个关联规则挖掘系统DMDOCL系统。将本体与概念格模型相结合可以挖掘出高层关联规则，而高层关联规则往往更具有普遍性，代表了更一般性的规律，对用户来说也是最有价值的。相对于传统的多层关联规则挖掘来说，该方法效率更高，灵活性更好，可以根据不同的支持度阈值和置信度阈值在已生成的概念格上进行规则的提取而不需重新构造概念格。6.期刊论文张磊.夏士雄.周勇.夏战国.ZhangLei.XiaShixiong.ZhouYong.XiaZhanguo基于语义相关性的关联规则挖掘研究-东南大学学报（英文版）2008,24(3)为了解决传统关联规则挖掘中候选集数量过多,计算时间复杂度过高的问题,提出了基于语义相关性的关联规则挖掘方法.该方法采用本体概念之间的语义相关性描述领域中的复杂关系,通过语义相关度过滤掉领域中相关性较小的候选集,以减少关联规则挖掘中候选集的数量.计算语义相关性时,将本体层次关系看作有向无环图而不是层次树,不仅考虑直接层次关系,还考虑非直接层次关系和其他典型语义关系.实验结果表明,该方法能有效减少候选集数量,提高关联规则挖掘的效率.7.学位论文王强PLM的本体构建和知识挖掘研究2007通过构建PLM系统的本体，为该领域提供公共的可共享的领域本体模型，可以实现不同PLM系统之间产品数据的共享、集成和重用。通过在本体上进行知识挖掘，不仅可以在保证产品数据安全的前提下，挖掘出蕴藏在产品数据中的信息和知识，而且可以运用PLM系统的文档管理功能将发掘的信息和知识管理起来，增强PLM系统的知识发现和管理功能，从而对企业的知识运用和共享起到重要作用。本文首先参照STEPPDMSchema在Protégé3.1中构建了PLM系统领域本体模型并将其导出为XML文档。其次将XML文档映射为关系数据库，本文在参照Zheng的基于代价的模式映射方法基础上，提出了一种改进的XML关系映射方法，该方法通过简化DTD生成DTD模式图和引入一个新的代价模型来获得更精确的代价估算。然后通过相应的数据结构转换和映射实现Teamcenter与PLM本体的集成，通过PLM软件与PLM本体的集成，我们也可以实现对其他PLM软件的知识挖掘。最后本文提出了一种高效的关联规则挖掘算法FASTDP：采用经典的FAST的算法思想选取样本，使得选取的样本更具有典型性和精确性；对所选取的样本用本文提出的基于数据块划分的方法进行关联规则的挖掘，这样只需要扫描整个数据库两次，大大地提高了效率。在实验中同其它的算法进行了比较，改进的算法提高了挖掘性能。8.期刊论文吕刚.王昆仑.郑诚.L(U)Gang.WANGKun-lun.ZHENGCheng应用模糊本体的广义关联规则挖掘算法-计算机工程与科学2009,31(9)模糊集与本体结合的数据挖掘方法得到了广泛的关注.为了丰富数据挖掘效果以及数据挖掘得出的规则的完整性,本文在模糊本体的挖掘算法基础上,提出了模糊本体中叶子结点的相似度定义以及不同语义层次所含项目集的数目定义多重最小支持度,提出了基于模糊本体的广义关联规则算法.对比实验证明,基于模糊本体的广义关联规则算法的挖掘具有更强的可读性,获得的语义关联规则更加丰富,促进了在广义关联规则挖掘过程中使概念泛化更加合理,提高了算法效率.9.学位论文金圣宇本体在XML关联规则挖掘中的应用研究2007本文提出一种将领域本体引入到XML文档挖掘过程中的算法——基于本体的XML关联规则挖掘算法。首先，介绍了数据挖掘、XML和本体论的基本知识及相关技术。其次，分析了XML在数据挖掘中的应用，介绍了面向XML文档的数据挖掘技术，提出了将领域本体知识引入到数据挖掘中以得到更多层次的数据挖掘结果，给出了基于本体的XML关联规则挖掘算法。该算法的优点在于：引入领域本体知识，使关联规则的挖掘可以在更多层次上进行；将、XML文档解析后存入哈希表，可以提高扫描XML文档的速度；根据用户的要求将领域本体解析后存入哈希表，不需要在每次查找领域知识时都到读取硬盘。最后，对算法进行了理论上的分析，并且通过对给定数据的实验，验证了算法的挖掘效果，论述了该算法的优点和不足。10.期刊论文谭力.史忠植.TANLi.SHIZhong-zhi基于数据挖掘的本体关系学习算法-郑州大学学报（理学版）2008,40(3)如何确定概念间语义关系的存在性和如何确定概念间的关系类型是本体关系学习的两个基本问题.现有的本体关系学习算法常常区分出不同类型的语义关系,使用不同的策略来获取概念间的各类关系,影响了算法的效率.提出一种基于数据挖掘的本体关系学习算法,运用关联规则挖掘获取概念间的关系,利用聚类分析对概念关系类型进行区分.实验结果证明,算法较好地解决了本体关系学习中的两个基本问题.本文链接：：上海海事大学(wflshyxy)，授权号：99629a26-141e-4a1d-b766-9e0601491e4d下载时间：2010年10月5日