基于逻辑推理负关联规则修剪技术的客户购买行为分析方法技术

本发明专利技术公开了一种基于逻辑推理负关联规则修剪技术的客户购买行为分析方法，属于关联规则分析领域。本发明专利技术首先通过Apriori算法在事物数据库中挖掘符合最小支持度阈值的频繁项集；然后利用概率论及集合论相关知识在频繁项集中挖掘出正负关联规则；其次通过逻辑推理步骤修剪冗余的正负关联规则并且得到非冗余的正负关联规则。挖掘得到的可决策的关联规则能用来分析客户的购买行为以及商品之间的关联性，使得商家能够根据当前的商品买卖情况给顾客推荐最有可能购买的商品，从而节省了顾客的购物时间，也可以预测以后的商品买卖情况，从而能够更好的安排商品的摆放，提高商品销售量。

【技术实现步骤摘要】
基于逻辑推理负关联规则修剪技术的客户购买行为分析方法
本专利技术涉及数据挖掘中的关联规则分析领域，特别涉及一种基于负关联规则修剪技术的客户购买行为分析方法。
技术介绍
随着电子信息技术的不断发展网络购物俨然已经成为人们日常生活行为中不可或缺的一部分。与传统的线下购物相比，互联网提供了一个新的交互的购物渠道，消费者获得巨大的优势：丰富的商品信息，克服地理与时间的障碍，获得有价格竞争力的商品，产品的个性化、定制化，更多的商品选择，更大的购物便利等。人们通过网络购物可以足不出户就能购买自己想要的物品以及服务，所以近年来网络购物数据成爆发式增长。与此同时很多大型的电子商务网站，如Amazon、阿里巴巴旗下的淘宝和天猫商城、京东等都积累了大量的客户交易数据。如何充分利用这些数据对客户购买行为进行有效的分析、组织利用,如何了解到客户尽可能多的爱好和价值取向,以优化网站设计,为客户提供个性化服务,成为电子商务发展迫切要解决的问题。与传统的经营方式相比，电子商务的商家不能直观的去了解客户，获取的相关的数据有限(比如用户的注册信息，购买记录等)。通过对大量的客户购买记录进行分析和挖掘，发现客户频繁访问本文档来自技高网...

【技术保护点】
一种基于逻辑推理负关联规则修剪技术的客户购买行为分析方法，其特征在于，包括步骤：1)定义关联规则I＝{i1,i2,…,im}是由m个不同项(商品)组成的集合，ik(k＝1,2,...,m)称为项(商品)；事务数据库D是事务T的集合，其事务数记作|D|，其中T是项的集合，并且

【技术特征摘要】
1.一种基于逻辑推理负关联规则修剪技术的客户购买行为分析方法，其特征在于，包括步骤：1)定义关联规则I＝{i1,i2,…,im}是由m个不同项(商品)组成的集合，ik(k＝1,2,...,m)称为项(商品)；事务数据库D是事务T的集合，其事务数记作|D|，其中T是项的集合，并且对应每一个事务有唯一的标识，记作TID；设X是一个I中项的集合(项集)，如果那么称事务T包含X；若X包含的项的个数为k(1≤k≤m)，则称X为k-项集；形如蕴涵式的正关联规则，并且X∩Y＝Φ，其中X称为规则的前项，Y称为规则的后项；所述关联规则用于判断在购物分析中购买了商品X的客户有很大的概率会购买商品Y；形如蕴涵式的负关联规则，并且X∩Y＝Φ，其中X称为规则的前项，Y称为规则的后项；所述关联规则用于判断在购物分析中购买了商品X的客户有很大的概率不会购买商品Y；形如蕴涵式的负关联规则，并且X∩Y＝Φ，其中X称为规则的前项，Y称为规则的后项；所述关联规则用于判断在购物分析中不购买商品X的客户有很大的概率会购买商品Y；形如蕴涵式的负关联规则，并且X∩Y＝Φ，其中X称为规则的前项，Y称为规则的后项；所述关联规则用于判断在购物分析中不购买商品X的客户有很大的概率也不会购买商品Y；2)定义支持度与置信度关联规则在事务数据库D中的支持度是事务集中包含X和Y的事务数与所有事务数之比，它是概率P(X∪Y)，记为实际上就是项集X∪Y的支持度，即s(X∪Y)；关联规则的置信度，是指包含X和Y的事务数与包含X的事务数之比，这是条件概率P(Y|X)，记为即挖掘关联规则问题就是产生支持度和置信度分别大于用户给定的最小支持度ms和最小置信度mc的关联规则，这样的关联规则称为强关联规则即满足：3)利用LOG算法对客户的购物行为进行分析，具体步骤包括：A、用Apriori算法在给定的事物数据库中挖掘频繁项集，即客户购...

【专利技术属性】
技术研发人员：董祥军，郝峰，
申请(专利权)人：齐鲁工业大学，
类型：发明
国别省市：山东,37