[發明專利]一種采用增量式挖掘的零售行業折扣券生成方法

無效

• 申請號: 200910096564.9
• 申請日: 2009-03-09
• 公開（公告）號: CN101493925A
• 公開（公告）日: 2009-07-29
• 發明（設計）人: 琚春華;劉東升;周怡;孫彬
• 申請（專利權）人: 浙江工商大學
• 主分類號: G06Q30/00
• 分類號: G06Q30/00;G06F17/30
• 代理公司: 杭州賽科專利代理事務所
• 代理人: 陳 輝

1、一種采用增量式挖掘的零售行業折扣券生成方法，其特征在于，包括以下步驟：

一、首先建立零售企業商品集，即數據庫，對商品的各個屬性進行登記和描述；同時建立折扣商品數據庫；顧客信息輸入，建立顧客資源數據庫；

在此部分對本企業內商品的資料信息進行完整的記錄，包括對商品基本資料、各個屬性、類別進行詳盡的記錄；建立折扣商品的數據庫，將需要打折的商品存入該數據庫中，另外對會員顧客的個人信息進行記錄，建立顧客資源數據庫，庫中空出字段用于保存消費模式；

二、日常數據庫信息的收集以及長期性的數據挖掘工作；

本方法將需要的挖掘工作分為兩部分，一部分是通過將日常銷售中POS機收集信息，存入銷售數據庫，利用MFP算法和CFP算法對銷售記錄進行挖掘，得到已有的歷史數據庫中的顧客購買模式并存入客戶資源數據庫；MFP和CFP算法采取前饋搜索策略來構造最大頻繁項目集，并啟發式地按照支持率大小對項目進行重排；另一部分是對顧客購買產生的數據流的即時挖掘，服務器通過顧客資源數據庫提供的資料，調用算法庫中的相應算法，即動態最大頻繁模式挖掘算法SMFP和閉合頻繁模式挖掘算法SCFP，設定要挖掘的對象及時間段，得到顧客最新的購買模式，在顧客資源數據庫中搜尋已有的購物模式，發現未購買的習慣消費商品或推測購買商品；

其中：

SMFP算法：

(1)掃描事務數據庫中的每個事務，根據最小支持度Min_Sup，產生頻繁1-項集的集合F₁；

(2)對k＝0，令I₀＝Φ，C₀＝F₁，MFI₀＝Φ；

(3)對C_k中每個元素x進行如下操作：

I_K+1＝I_K∪x，Pk+1={x:y∈Ck∩y>x};]]>

(4)判斷I_k+1∪P_k+1在MFI_k中是否存在超集，若存在則進行剪枝操作，否則繼續下一步；

(5)進行合并操作C_k+1＝FI-combine(I_k+1∪P_k+1)，得出P_k+1中使I_k+1∪P_k+1頻繁的元素，并將其并到候選集合C_k+1中；

(6)若則k＝k+1，MFI_k+1＝{MP∈MFI_K：x∈MP}，跳往步驟(4)；否則，跳往步驟(7)；

(7)根據最小置信度min_conf，由頻繁項集產生強關聯規則，結束；

SCFP算法：

首先初始化一棵SCFP-Tree，然后對滑動窗口中的每一個基本窗口進行處理，采用已有的頻繁閉合模式算法生成每個窗口的臨界頻繁閉合項集，將臨界頻繁閉合項集和它的子集按字母排序后加入到SCFP-Tree中臨界頻繁閉合項集是滑動窗口中頻繁閉合項集的候選項，在SCFP-Tree中對臨界頻繁閉合項集進行標注，從構造算法看出，SCFP-Tree包含了所有的臨界頻繁閉合項集和它的子集，對滑動窗口中的頻繁閉合項集的挖掘和更新直接在SCFP-Tree上進行；

(1)掃描一個基本窗口的數據流，以ε為支持度，采用已有的頻繁閉合模式挖掘算法生成該窗口的所有臨界頻繁閉合項集，更新SCFP-Tree；

(2)以S為支持度遍歷SCFP-Tree，得到滑動窗口中的候選頻繁閉合項集，建立一棵索引模式樹，將這些項集插入到模式樹中；

(3)根據模式樹輸出頻繁閉合模式，刪除模式樹；

三、掃描輸入所購商品，各個POS機將顧客購物單傳送至數據挖掘工具中經過數據預處理后生成顧客消費記錄；

四、打印習慣消費商品或推測購買商品的折扣券，同時將折扣信息存入客戶資源數據庫中。