[發(fā)明專利]基于電子標簽數(shù)據(jù)分析的無人值守門店貨架布局優(yōu)化方法

在審

• 申請?zhí)枺?/td>: 201710673599.9
• 申請日: 2017-08-09
• 公開（公告）號: CN107545042A
• 公開（公告）日: 2018-01-05
• 發(fā)明（設計）人: 肖亮;汪澍;李曉敏;袁霄
• 申請（專利權(quán)）人: 浙江工商大學
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06K7/10;G06K17/00
• 代理公司: 杭州天正專利事務所有限公司33201
• 代理人: 王兵,黃美娟

技術(shù)領域

本發(fā)明包括一種對于無人值守門店商品數(shù)據(jù)分析的貨架布局優(yōu)化方法，具體涉及電子標簽商品實時數(shù)據(jù)采集、關(guān)聯(lián)挖掘算法、頻繁項集挖掘等領域的知識。尤其適用于分析及處理無人值守門店商品實時數(shù)據(jù)，并且借助電子標簽進行商品數(shù)據(jù)收集，利用關(guān)聯(lián)分析算法，從優(yōu)化頻繁集項的角度盡可能提高算法性能，采用改進的興趣度算法，從而準確找出商品之間的關(guān)聯(lián)，來指導無人值守門店貨架布局的優(yōu)化。

技術(shù)背景

隨著信息的爆炸式增長，大數(shù)據(jù)時代下，數(shù)據(jù)在企業(yè)中正成為管理變革過程中提供重要決策依據(jù)的關(guān)鍵資產(chǎn)。同時，基于智慧商業(yè)的發(fā)展，無人值守門店也逐漸步入人們的視野，它帶動了電子標簽、RFID等技術(shù)在商業(yè)中的運用。利用關(guān)聯(lián)規(guī)則挖掘技術(shù)對無人值守門店的海量交易數(shù)據(jù)進行分析，發(fā)現(xiàn)客戶的購物模式，進行貨架的陳列優(yōu)化，將是很有必要的研究。目前大部分關(guān)聯(lián)分析采用簡單的Apriori算法，這種算法最小支持度難以設定，尤其對于稠密數(shù)據(jù)而言，頻繁項集挖掘結(jié)果數(shù)量規(guī)模過大。本文采取一種基于節(jié)點集Top-K頻繁項集挖掘算法，對于規(guī)避以上問題很有幫助。

針對于商品數(shù)據(jù)的實時分析，關(guān)聯(lián)規(guī)則的頻繁項集挖掘算法有很多，各種算法改進層出不窮，頻繁項集挖掘算法中無論是Apriori算法還是FP-Growth算法，都是使用最小支持度閾值挖掘頻繁項集。此方法雖然簡單清晰，但是存在致命缺陷：如何設置最小支持度。用戶對數(shù)據(jù)庫的未知增加了設置支持度的難度。如果支持度太大會導致得不到想要的結(jié)果，相反如果支持度太小會導致滿足條件的候選集或者FP-Tree規(guī)模巨大，挖掘生成的頻繁項集過多，而TOP-k頻繁項集能解決以上問題。同時，針對簡單的支持度與置信度產(chǎn)生的關(guān)聯(lián)規(guī)則，挖掘的結(jié)果不一定有趣，為了表征關(guān)聯(lián)規(guī)則使人感興趣的程度，引入興趣度。

發(fā)明內(nèi)容

本發(fā)明要克服現(xiàn)有技術(shù)的上述缺點，提供一種基于電子標簽數(shù)據(jù)分析的無人值守門店貨架布局優(yōu)化方法。

本發(fā)明提出的基于電子標簽數(shù)據(jù)分析的無人值守門店貨架布局優(yōu)化方法，包括以下步驟：

步驟1.商品實時數(shù)據(jù)采集：無人值守門店內(nèi)安裝有電子標簽與RFID技術(shù)，利用電子價格標簽采集每個商品銷售數(shù)據(jù)和銷售價格，以及商品的貨架位置，并將電子標簽系統(tǒng)所存儲的數(shù)據(jù)導入SQL數(shù)據(jù)庫；

步驟2.數(shù)據(jù)預處理：通過數(shù)據(jù)清理操作刪除原始數(shù)據(jù)中雜亂數(shù)據(jù)，糾正錯誤數(shù)據(jù)，除去空白數(shù)據(jù)、噪聲和無關(guān)數(shù)據(jù)等；如刪除退貨信息、將多個表進行連接查詢、商品進行歸類；

步驟3.挖掘頻繁項集：利用Top-K頻繁項集來挖掘頻繁項，用戶只需要設置期望挖掘項集的個數(shù)K，K表示用戶想要挖掘的K個最頻繁項集；無需針對不同數(shù)據(jù)庫設置不同支持數(shù)；

31)構(gòu)造POC-Tree：根節(jié)點標記為null，每個節(jié)點由4個參數(shù)組成：NodeName，NOdeCount，Children-list，Order，POC-Tree節(jié)點數(shù)據(jù)圖如圖1所示；POC-Tree是一種前綴樹的變形，每一條分支上的項按照支持度遞減排序通過共享前綴的方式壓縮事務數(shù)據(jù)集；前序遍歷整個POC-Tree為每個節(jié)點N設置前序編號N.NodeName＝p.Name，那么N.Count＝N.Count+1，否則創(chuàng)建一個節(jié)點N使得N.NodeName＝p.NodeName且N.NodeCount＝1，Q.Children-list＝N；

32)節(jié)點集：對于POC-Tree的一個節(jié)點N，將它的先序遍歷序號和支持度定義為該節(jié)點的N-info，即N-info(N)＝(Order，NOdecount)；

相同項的節(jié)點信息集合，稱為該項的節(jié)點集(Nodeset)，設置節(jié)點集為：

item.Nodestets＝∪N_i.info,N_i.NodeName＝item(1)

設定i的節(jié)點集：

Nodesets＝{(od₁,a₁),(od₂,a₂)......(od_n,a_n)}(2)