資料載入處理中...
臺灣人文及社會科學引文索引資料庫系統
:::
網站導覽
國圖首頁
聯絡我們
操作說明
English
(3.144.94.220)
登入
字型:
**字體大小變更功能,需開啟瀏覽器的JAVASCRIPT,如您的瀏覽器不支援,
IE6請利用鍵盤按住ALT鍵 + V → X → (G)最大(L)較大(M)中(S)較小(A)小,來選擇適合您的文字大小,
如為IE7以上、Firefoxy或Chrome瀏覽器則可利用鍵盤 Ctrl + (+)放大 (-)縮小來改變字型大小。
來源文獻查詢
引文查詢
瀏覽查詢
作者權威檔
引用/點閱統計
我的研究室
資料庫說明
相關網站
來源文獻查詢
/
簡易查詢
/
查詢結果列表
/
詳目列表
:::
詳目顯示
第 1 筆 / 總合 1 筆
/1
頁
來源文獻資料
摘要
外文摘要
引文資料
題名:
從購買意願資料中挖掘高度相關性的關聯規則
書刊名:
資訊管理學報
作者:
翁政雄
作者(外文):
Weng, Cheng-hsiung
出版日期:
2011
卷期:
18:4
頁次:
頁119-138
主題關鍵詞:
資料探勘
;
關聯規則
;
關聯分析
;
Data mining
;
Association rule
;
Corelation analysis
;
手機
;
購買意願
;
購買決策
原始連結:
連回原系統網址
相關次數:
被引用次數:期刊(
3
) 博士論文(0) 專書(0) 專書論文(0)
排除自我引用:
3
共同引用:0
點閱:45
關聯規則探勘技術是一項重要的資料挖掘技術,這項技術可以從交易資料庫中挖掘 消費者購買行為之間的關聯性。現今的行銷策略皆視顧客為公司重要的獲利來源。因 此,公司應該積極尋找潛在的顧客,並發展合適的行銷策略以吸引他們。為達上述目 的,許多公司已經開始積極收集相關資料庫,並嘗試從這些資料庫中找出有意義的規 則,藉以發展合適的行銷策略以吸引這些潛在顧客。本研究探討如何利用關聯規則分析 消費者購買手機的決策考量因素,利用關聯規則之支持度與信心度分析消費者基本資料 與手機產品特性之間的關聯性,以提供給行銷部門及產品設計部門分別作為行銷策略制 定之參考與設計出更符合消費者的產品。然而,使用-count方式累計過多具有低支持度 的項目集時,卻容易產生不具關聯性的高頻項目集。因此,本研究發展新的方法嘗試從 消費者的購買意願中挖掘有意義且有關聯性的規則。此方法乃是運用-cut的概念過濾不 具關聯性的低支持度項目,並且利用相關係數(lift)進一步強化現有挖掘關聯規則的基 本機制(支持度-信心度),嘗試從消費者購買意願資料中找出有意義且相關的規則。實 驗結果顯示本研究所提出的方法可以找出有價值且具有高度相關的關聯規則。
以文找文
Association rule mining is an important data analysis method that can discover associations within data. This technique can mine the associations between the consumer’s behaviors. The current marketing strategies perceive customers as important resources to a company for making more profit. Therefore, it is essential to companies to successfully discover potential customers and then develop new marketing strategies to attract them. To achieve these aims, many companies have gathered significant numbers of large databases to discover meaningful patterns and then develop new marketing strategies to attract the potential customers. However, using the -count, the summation of a large number of itemsets with very small support may induce irrelevant associations. To this end, this study proposes a new approach to discover interesting and relevant patterns from consumer’s purchasing intension. This approach is based on the -cut method to filter out the irrelevant patterns with small support. Furthermore, a correlation measure, also known as lift, is used to augment the support-confidence framework for association rules. Next, we develop an algorithm to discover relevant and interesting association rules from purchasing intensions. Experimental results from the survey data show that the proposed approach can help to discover interesting and valuable patterns with high correlation.
以文找文
期刊論文
1.
Yang, Tzyy-Ching、Lai, Hsiangchu(2006)。Comparison of product bundling strategies on different online shopping behaviors。Electronic Commerce Research and Applications,5(4),295-304。
2.
Hong, T. P.、Kuo, C. S.、Chi, S. C.(1999)。Mining Association Rules from Quantitative Data。Intelligent Data Analysis,3(5),363-376。
3.
Lian, W.、Cheung, D. W.、Yiu, S. M.(2005)。An efficient algorithm for finding dense regions for mining quantitative association rules。Computers and Mathematics with Applications,50(3/4),471-490。
4.
Chen, Ming-Syan、Han, Jiawei、Yu, Philip S.(1996)。Data Mining: An Overview from a Database Perspective。IEEE Transactions on Knowledge and Data Engineering,8(6),866-883。
5.
Zadeh, L.A.(1971)。Quantitative fuzzy semantics。Information Sciences,3(2),159-176。
6.
Tseng, M.C.、Lin, W.Y.、Jeng, R.(2008)。incremental maintenance of generalized association rules under taxonomy evolution。Journal oflnformation Science,34(2),174-195。
7.
Chen, Y.L.、Tang, K.、Shen, R.J.、Hu, Y.H.(2005)。Market basket analysis in a multiple store, environment。Decision Support Systems,40(2),339-354。
8.
Bodjanova, S.(2002)。A generalized α-cut。Fuzzy Sets and Systems,126(2),157-176。
9.
Chen, Y.L.、Weng, C.H.(2008)。Mining association rules from imprecise ordinal data。Fuzzy sets and systems,159(4),460-474。
10.
Lin, C.、Hong, C.(2008)。Using customer knowledge in designing electronic catalog。Expert Systems with Applications,34(1),119-127。
11.
Hu, Y.C.、Chen, R.S.、Tzeng, G.H.(2003)。Discovering fuzzy association rules using fuzzy partition methods。Knowledge-Based System,16(3),137-147。
會議論文
1.
Agrawal, R.、Imielinski, T.、Swami, A. N.(1993)。Mining Association Rules between Sets of Items in Large Databases。The 1993 ACM SIGMOD International Conference on Management of Data,207-216。
2.
Agrawal, R.、Srikant, R.(1994)。Fast algorithms for mining association rules in large database。The 20th International Conference on Very Large Data Bases。Morgan Kaufmann Publishers Inc.。478-499。
圖書
1.
Kotier, Philip(2001)。A Framework for Marketing Management。Prentice-Hall。
2.
Han, Jiawei、Kamber, Micheline(2000)。Data mining: Concepts and techniques。Morgan Kaufmann Publishers。
3.
Berry, Michael J. A.、Linoff, Gordon S.(1997)。Data Mining Techniques for Marketing, Sales and Customer Support。John Wiley & Sons, Inc.。
4.
Shepard, D.(1998)。The New Direct Marketing: How to Implement a Profit-Driven Database Marketing Strategy。
5.
Djouadi, Y.、Redaoui, S.、Amroun, K.(2007)。Mining fuzzy association rules from uncertain data。IEEE International Fuzzy Systems Conference。London。
6.
Srikant, R.、Vu, Q.、Agrawal, R.(1996)。Mining Association Rules with Item Constraints。SIGMOD International Conference on Management of Data。
其他
1.
International Business Machines(1996)。IBM Intelligent Miner User's Guide。
推文
當script無法執行時可按︰
推文
推薦
當script無法執行時可按︰
推薦
引用網址
當script無法執行時可按︰
引用網址
引用嵌入語法
當script無法執行時可按︰
引用嵌入語法
轉寄
當script無法執行時可按︰
轉寄
top
:::
相關期刊
相關論文
相關專書
相關著作
熱門點閱
1.
教師在職進修研習課程大數據關聯規則研究初探:以2017年全國國中語文領域國文科教師為例
2.
探討環境教育論文的文件自動分類技術--以2013~2018年環境教育研討會摘要為例
3.
以資料探勘分析推甄入學之學生就讀機率--以某大學資管系為例
4.
運用關聯規則及改變探勘技術於防火牆政策規則優化
5.
GSPT:使用前序表的高效關聯規則演算法
6.
應用FP-Tree探勘多層次特徵規則
7.
以資料探勘技術建立宅配業之車輛維修及預警決策支援系統
8.
手機產品創新、來源國效果、品牌權益與購買意願關聯性之研究
9.
疾病診斷異常之偵測:關聯規則之應用
10.
文化創意產業之資料探勘初探
11.
GSSA:以階段分組排序搜尋機制探勘關聯規則之演算法
12.
應用以約定值為基礎之演算法於關聯規則探勘
13.
關聯推理神經網路
14.
銀行區位選址決策支援系統之研發--以臺北市為例
15.
挖掘關聯規則之階段搜尋演算法--GSA
1.
以資料探勘分析影響國民中小學學習成就因素之研究
2.
從不精準或不確定性資料中挖掘關聯規則
3.
有效率的跨交易關聯規則探勘演算法
無相關書籍
無相關著作
1.
以資料探勘技術建立宅配業之車輛維修及預警決策支援系統
2.
運用關聯規則和序列型樣探討投資地區之關聯性與遷移--以印刷電路板產業為例
3.
應用購物籃分析於車禍肇事道路環境之關聯規則
4.
以關聯規則來發掘產品最適性之行銷組合
5.
利用關聯規則發掘圖書館個人化之書籍推薦
6.
由醫療資料庫發掘有意義之模糊關聯規則
7.
在包裹資料庫中挖掘數量關聯規則
QR Code