購物籃分析中若干問題的研究.pdf

1、本文對購物籃分析中的兩個問題進(jìn)行了深入研究：最有利潤的商品選擇問題，價格促銷利潤估計問題。本文對這些問題提出了怎樣將數(shù)據(jù)挖掘直接集成到用戶目標(biāo)中的方法。試驗表明，這些方法是有效的。 本文提出MOPIS(MOstProfitableItemsSelection)算法來選擇出最有利潤的商品。MOPIS通過預(yù)測多個選擇的利潤來選取最優(yōu)的選擇，通過預(yù)測某選擇下新的交易數(shù)據(jù)庫來預(yù)測該選擇的利潤。MOPIS算法準(zhǔn)確建模了顧客的購買行為，能預(yù)

2、測出買不到期望商品時，顧客選擇購買其它商品的概率與數(shù)量；又能預(yù)測出不可得的商品對顧客的購買行為的影響。MOPIS算法使用了一種新的估計選擇利潤的有效方法，建立了新的商品選擇框架，提出了一種新的通過商品間的距離來預(yù)測代替商品的購買數(shù)量、購買概率的方法，給出了一種新的計算品種間的交叉銷售影響的有效方法，提出了用品種貢獻(xiàn)值來排序品種間的交叉銷售影響的新方法。本文給出了選取最有利潤的商品的啟發(fā)式算法，同時提出了用遺傳算法來解決最有利潤的商品選擇

3、問題的gaMOPIS算法。 本文提出PEPP算法來估計價格促銷中的利潤。PEPP根據(jù)促銷前的交易來預(yù)測促銷中的交易。PEPP算法準(zhǔn)確建模了價格促銷中顧客的購買行為，能預(yù)測出價格變化時，顧客選擇購買其它商品的行為；又能預(yù)測出被促銷的商品對顧客的購買行為的影響。提出了通過商品間的距離來預(yù)測價格促銷中商品的購買數(shù)量及購買概率的新方法，給出了一種新的用交叉銷售影響因子來預(yù)測被促銷的商品對其它商品的影響的有效算法，提出了一種新的預(yù)測未購買