基于最大熵方法面向零售業(yè)的數(shù)據(jù)挖掘.pdf

1、零售業(yè)從其誕生之日起,就一直伴隨著激烈的競爭。尤其是隨著中國加入WTO以來,零售業(yè)的日益開放已是不可阻擋的即成事實(shí)。世界上大型的零售企業(yè)如沃爾瑪,麥德龍等也已經(jīng)開展了其在國內(nèi)的搶灘之路,國內(nèi)零售企業(yè)必須采取有效的應(yīng)對之策。
　　 國內(nèi)零售企業(yè)在日常的業(yè)務(wù)活動(dòng)中積累了大量的歷史數(shù)據(jù),但由于分析手段的缺乏,使得決定企業(yè)的決策不是基于數(shù)據(jù)庫中豐富的數(shù)據(jù)和對市場的廣泛調(diào)查,而是基于企業(yè)管理者的直覺,或想當(dāng)然。因此提高企業(yè)的數(shù)據(jù)分析能力,

2、同時(shí)建立一個(gè)基于相關(guān)數(shù)據(jù)的決策支持系統(tǒng)就變的十分重要。而數(shù)據(jù)挖掘技術(shù)作為近幾年發(fā)展起來的數(shù)據(jù)組織和分析技術(shù),在這一過程中無疑將發(fā)揮重要作用。
　　 文章根據(jù)帕累托的“20—80”規(guī)律,即企業(yè)收入的80％通常是來自于20％的顧客。提出了并非所有的客戶對企業(yè)來說都是有價(jià)值的,優(yōu)質(zhì)客戶給企業(yè)帶來的利潤遠(yuǎn)遠(yuǎn)超過一般客戶。企業(yè)對客戶購物行為進(jìn)行分析,然后區(qū)別對待,有助于企業(yè)把有限精力集中在最有價(jià)值的客戶上,提高企業(yè)競爭力。本文的目的和意義

3、就是迅速準(zhǔn)確地對客戶信息進(jìn)行分析和分類。現(xiàn)在使用的數(shù)據(jù)挖掘技術(shù)對優(yōu)質(zhì)客戶的過濾還不夠深入,準(zhǔn)確率不高,無法分辨客戶數(shù)據(jù)變化的意義,本文為此提出了利用最大熵方法來建立模型以過濾優(yōu)質(zhì)客戶。
　　 最大熵模型作為一個(gè)比較成熟的統(tǒng)計(jì)模型,具有計(jì)算模型獨(dú)立于特定的任務(wù)的特點(diǎn),具有簡潔、通用和易于移植等優(yōu)點(diǎn)。但在最近幾年的研究中只是被應(yīng)用在關(guān)于自然語言處理的領(lǐng)域。如何將最大熵模型應(yīng)用在零售業(yè)領(lǐng)域的數(shù)據(jù)挖掘中正是本文研究的重點(diǎn)問題。
　

4、　 本文首先介紹了目前數(shù)據(jù)挖掘技術(shù)的研究背景,重點(diǎn)對OLAP和分類規(guī)則進(jìn)行了介紹。在此基礎(chǔ)上,介紹了最大熵模型的理論基礎(chǔ)和算法。再通過零售業(yè)企業(yè)數(shù)據(jù)倉庫的建立過程分析了零售業(yè)對數(shù)據(jù)挖掘的需求。本文的重點(diǎn)工作是將最大熵方法應(yīng)用于零售業(yè)企業(yè)優(yōu)質(zhì)客戶過濾中,提出了基于最大熵的優(yōu)質(zhì)客戶過濾系統(tǒng)的基本框架；通過客戶數(shù)據(jù)的不同特征相結(jié)合的方法,將客戶數(shù)據(jù)表示成特征向量,并對使用不同特征集情況下的過濾性能進(jìn)行了對比實(shí)驗(yàn)；提出了過濾模型的自適應(yīng)調(diào)整和