加权频繁项集挖掘算法在超市商品捆绑销售中的应用
引入一种新的加权关联规则支持度和置信度的计算方法，并利用矩阵的存储结构提出一种新的加权关联规则挖掘算法，从而改进了加权频繁项集的挖掘效率。该算法在Apriori算法的基础上，对数据库仅需扫描一次，能很快地计算项集的支持度，大大减少了I/O次数，有效提高了加权频繁项集的生成效率。通过应用于超市捆绑销售，证明了该算法能有效地提取商品闻的关联信息，有助于商品的销售。
数据挖掘 加权关联规则算法 频繁项集 超市商品 捆绑销售
姜薇 张学芹
中国矿业大学计算机科学与技术学院,江苏徐州 221116
国内会议
徐州
中文
142-145
2011-10-22（万方平台首次上网日期，不代表论文的发表时间）