基于關(guān)聯(lián)規(guī)則挖掘的貨物運輸平臺信息推薦功能的研究與實現(xiàn).pdf

1、近10年來，隨著電子商務(wù)和互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，物流行業(yè)得到了快速發(fā)展，物流行業(yè)的數(shù)量大大增長，業(yè)務(wù)種類不斷豐富，業(yè)務(wù)能力不斷提高。這些變化對物流業(yè)務(wù)的管理水平和管理方法提出了新的要求。僅由于電子商務(wù)的快速發(fā)展，物流行業(yè)中每天就會產(chǎn)生大量的貨物運輸需求，因此在社會信息化和信息技術(shù)快速普及的現(xiàn)在，如何在現(xiàn)代物流行業(yè)中充分的利用信息技術(shù)，從海量的貨物運輸信息中尋找具有決策支持作用的數(shù)據(jù)、為企業(yè)贏得更多利潤，打造智能化的現(xiàn)代物流行業(yè)，成為了數(shù)

2、據(jù)挖掘技術(shù)在物流行業(yè)中應(yīng)用的重要基礎(chǔ)。
　　現(xiàn)代物流系統(tǒng)中每天都會產(chǎn)生大量的貨物運輸需求，面對現(xiàn)代物流數(shù)據(jù)庫系統(tǒng)中保存的海量信息，物流行業(yè)無法準確、高效的進行數(shù)據(jù)統(tǒng)計和行業(yè)決策工作，物流系統(tǒng)運輸平臺無法根據(jù)貨物運輸相關(guān)信息精確的為平臺用戶提供相關(guān)決策服務(wù)工作，且傳統(tǒng)的決策工作都是通過人為直覺確定的，在有著海量、復雜數(shù)據(jù)的現(xiàn)在，人為決策缺乏有效性，且其正確性難以驗證，近年來產(chǎn)生的數(shù)據(jù)挖掘，是一種對海量且復雜的數(shù)據(jù)進行組織、分析的方法

3、。
　　數(shù)據(jù)挖掘方法的產(chǎn)生，用來對海量、復雜信息進行處理和分析，具有為企業(yè)提供輔助決策的功能，數(shù)據(jù)挖掘方法被廣泛應(yīng)用于零售業(yè)、工業(yè)、金融業(yè)、政府部門等領(lǐng)域中。本文中數(shù)據(jù)挖掘的目的是要發(fā)現(xiàn)貨物運輸平臺中貨物信息、車輛信息、各屬性之間的相關(guān)性，即關(guān)聯(lián)強度，該關(guān)聯(lián)強度體現(xiàn)在數(shù)據(jù)挖掘中對應(yīng)的概念為關(guān)聯(lián)規(guī)則。關(guān)聯(lián)規(guī)則是數(shù)據(jù)挖掘中應(yīng)用最為廣泛的算法，在貨物運輸系統(tǒng)中，通過挖掘貨物信息中字段屬性之間的關(guān)聯(lián)規(guī)則，發(fā)現(xiàn)貨物屬性、車輛屬性之間潛在的關(guān)

4、聯(lián)關(guān)系、關(guān)聯(lián)強度，得出貨物特征信息、車輛特征信息。Apriori算法、基于劃分的算法、FP-樹頻集算法是最經(jīng)典的關(guān)聯(lián)規(guī)則挖掘算法，與基于劃分的算法和FP-樹頻集算法相比，Apriori算法簡單明了，不用復雜的推導、理論，易于對數(shù)據(jù)實施挖掘，而其他兩個算法由于分支，忽略了信息屬性之間的相關(guān)性。
　　本文采用了經(jīng)典的Apriori關(guān)聯(lián)規(guī)則挖掘算法，經(jīng)典的Apriori挖掘算法的實施原來是頻繁的掃描數(shù)據(jù)庫統(tǒng)計、計數(shù)，每一次由候選項集形成

5、頻繁項集時都要掃描數(shù)據(jù)庫統(tǒng)計各項集出現(xiàn)次數(shù)，而在本文中某公司貨物運輸平臺中，隨著用戶的增加，以及發(fā)布的貨物運輸信息、車輛配送信息的增加，使得海量的信息數(shù)據(jù)被保存在數(shù)據(jù)庫中，頻繁掃描數(shù)據(jù)庫將會使得挖掘速度、效率很低，針對該缺陷，以及貨物運輸平臺中貨物信息、車輛信息的保存特征，對Apriori挖掘算法做了改進。本文在某公司貨物運輸平臺中，實現(xiàn)了關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘算法在該貨物運輸平臺中的應(yīng)用，實現(xiàn)了該平臺根據(jù)貨物、車輛信息而提供的推薦功能。

6、r>　　本論文做的主要研究內(nèi)容如下:
　　(1)介紹數(shù)據(jù)挖掘在物流運輸行業(yè)的應(yīng)用背景，以及數(shù)據(jù)挖掘方法在不同行業(yè)、領(lǐng)域中的應(yīng)用。
　　(2)詳細介紹本文使用的Apriori關(guān)聯(lián)規(guī)則挖掘算法，舉例說明算法中的概念和流程，并根據(jù)該算法實現(xiàn)的貨物信息推薦功能的特點及Apriori算法本身頻繁掃描數(shù)據(jù)庫等的缺陷，對該算法做了部分改進工作。
　　(3)本文實現(xiàn)了改進后的關(guān)聯(lián)規(guī)則挖掘算法在本文中某公司貨物運輸平臺中的應(yīng)用，實現(xiàn)了該