[发明专利]一种面向精准营销的加权频繁项集挖掘算法

权利要求书

1.一种面向精准营销的加权频繁项集挖掘算法，其特征在于：包括如下步骤，

步骤1、对客户前期的购买行为和客户在电商平台的访问行为进行预处理，构建用户行为数据集D；

步骤2、根据不同商品即项目对企业的重要程度为不同的商品赋予不同的权重；

步骤3、令候选加权频繁1项集集合CWFIS₁等于1项集集合IS₁，并令k＝1；

步骤4、判断候选加权频繁k项集集合WFIS_k是否为空，若为空，执行步骤6；否则执行步骤5；

步骤5、扫描用户行为数据集D，对候选加权频繁k项集集合CWFIS_k包含的k项集进行验证，并根据该项集的加权期望支持度是否大于最小加权期望支持度判断该项集是否为加权频繁k项集，从而生成加权频繁k项集集合WFIS_k；

步骤6、判断加权频繁k项集集合WFIS_k是否为空，若为空，执行步骤8；否则，将加权频繁k项集集合与Top-K加权频繁1项集集合进行连接，生成候选加权频繁k+1项集集合CWFIS_k+1；

步骤7、令k＝k+1，重复执行上述步骤4～步骤6；

步骤8、生成所有加权频繁项集集合为WFIS＝WFIS₁UWFIS₂U...UWFIS_k，进行关联规则分析，执行精准营销。

2.根据权利要求1所述的面向精准营销的加权频繁项集挖掘算法，其特征在于：所述步骤1中包括对客户前期的购买行为和客户在电商平台的访问行为进行预处理；具体包括：

对用户前期的购买行为和不同的访问行为赋予不同的概率值，以反映用户对不同商品的偏好程度，比如购买行为对应的概率值p₁＝1，加入购物车行为对应的概率值p₂＝0.8，收藏行为对应的概率值p₃＝0.6，多次浏览行为对应的概率值p₄＝0.3，单次浏览行为对应的概率值为p₅＝0.1，从而构建用户行为数据集D；数据集D中包含一组事务集合和一组项目集合，即D＝{T₁,T₂,...,T_m}且I＝{I₁,I₂,...,I_n}，每一条事务描述一个客户对商品的操作行为，即1≤q≤m；在数据集D中，每个事务T_q中的项目I_j,1≤j≤n都对应一个确定的存在概率，记为p(I_j,T_q)，描述该客户对项目I_j的喜好程度。

3.根据权利要求2所述的面向精准营销的加权频繁项集挖掘算法，其特征在于：所述步骤2中包括根据不同项目对企业的重要程度为不同的项目赋予不同的权重，项目I_j对应的权重w(I_j)为：

w(I_j)＝G_j/G，

其中，G_j为商品I_j给企业带来的利润，G为所有商品给企业带来的利润。