[发明专利]非频繁序列中挖掘可决策负序列模式的购买行为分析方法

摘要

本发明公开了一种非频繁序列中挖掘可决策负序列模式的购买行为分析方法，属于数据挖掘的序列模式分析领域。本发明首先通过设置两级多最小支持度来挖掘非频繁和频繁正序列；其次，利用转化策略生成负候选序列集，并利用集合论的思想通过已知的频繁和非频繁正序列的相关信息计算负候选序列的支持度无需多次扫描数据库；然后，通过最小支持度（由用户指定）筛选得到最终的负序列模式；最后，利用SAP算法筛选可决策的负序列模式。挖掘得到序列模式能用来分析客户的购买行为，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。

主权项

一种非频繁序列中挖掘可决策负序列模式的购买行为分析方法，其特征在于，包括步骤：1)定义基于多最小支持度的负序列的最小支持度；MIS(i)表示项i的最小项支持度，其中i是正项或负项；正元素，即，已购买商品，其最小支持度是元素中项i的最小支持度值；负元素，即，未购买商品，采用相关的正元素的信息计算其最小支持度；对于负元素其中a，b代表某种商品，该负元素的最小支持度是：元素集包含e1,e2...er的基于多最小支持度的负序列S的最小支持度为该序列包含所有元素的最小支持度中的最小值，其中，S的最小支持度minsup(S)＝min[MIS(e1),MIS(e2),...,MIS(er)]；对于一个购买序列S和它的最小支持度minsup(S)，如果S只包含正元素，s(S)≥minsup(S)，那么S被称为正序列模式；如果S包含负元素，s(S)≥minsup(S)，那么S被称为负序列模式；2)定义两级多最小支持度包含的所有项为{x1,x2,…,xn}的序列数据库，MIS(x)表示项x的最小项支持度；设定两个最小支持度，一个是最小支持度下限，记作lms＝{MIS(x1),MIS(x2),...,MIS(xn)}；另一个是最小支持度上限，记作ums＝{MIS(x1’),MIS(x2’),...,MIS(xn’)}；a)、如果s是一个正序列且s的支持度sup(s)≥ums(s)，则s是频繁正序列；b)、如果s是一个正序列且lms(s)≤sup(s)≤ums(s)，则s是非频繁正序列；c)、如果s是一个负序列且sup(s)≥ums(s)，则s是频繁正序列；3)利用msNSPFI算法对客户的购物行为进行分析，具体步骤包括：A、用基于两级多最小支持度的GSP算法来挖掘得到所有的频繁正序列和非频繁正序列，即在某一段时间内，客户购买量相对较大的商品；B、基于步骤A挖掘得到的频繁和非频繁正序列，生成相应的负候选序列NSC，所述负候选序列NSC用于判断在某一段时间内，哪些商品客户购买的多，哪些商品客户没有购买以及客户在购买或未购买哪些商品之后可能必然不会购买或购买哪种商品；C、利用负候选序列NSC对应的正序列的相关信息来计算负侯选序列NSC的支持度；D、从步骤B生成的负侯选序列NSC中筛选出符合多最小支持度要求的负序列模式，即：从步骤B生成的负侯选序列NSC中挖掘出大于用户设定的多最小支持度上限的负序列模式；E、利用SAP方法筛选步骤D中挖掘的负序列模式，生成可决策的负序列模式；利用这些筛选后的可决策的负序列模式对客户的购买行为进行分析；商家根据分析结果具有针对性的给客户推荐商品，根据客户购买习惯安排商品的摆放位置和数量。