【正文】 ，王璐鑫. ，2009[13] 劉先花. ，[14] 馮斯苑. 零售業(yè)中的數(shù)據(jù)挖掘. 數(shù)據(jù)庫及信息管理，2007[15] 王英，谷明玉，邵培基. 數(shù)據(jù)挖掘在零售業(yè)中的應用. ,[16] 尹中強. 電子商務中的Web 數(shù)據(jù)挖掘技術應用[J]. 計算機與信息技術,2007[17] 董引娣. 數(shù)據(jù)挖掘中關聯(lián)規(guī)則在零售業(yè)中的應用. 重慶科技學院學報,[18] 鄭英姿,于曉梅. 數(shù)據(jù)挖掘技術在客戶關系管理中的應用. 經(jīng)濟研究導刊,[19] 陶立慧. 數(shù)據(jù)挖掘技術及在商業(yè)決策中的應用研究. 商業(yè)研究， [20] 魏霜. ，2009西南大學本科畢業(yè)論文（設計）開題報告論文題目數(shù)據(jù)挖掘技術在零售業(yè)領域中的應用研究系別專業(yè)信息管理系信息管理與信息系統(tǒng)年 級2007級開題日期2010年12月03日學 號222007602063084姓 名張幼君指導教師徐軍： 數(shù)據(jù)庫系統(tǒng)的廣泛流行和計算機技術的快速發(fā)展使人們收集數(shù)據(jù)的能力大大提高，特別是隨著網(wǎng)絡系統(tǒng)的流行更是使得人類進入了“知識爆炸”的時代，劇增的數(shù)據(jù)背后隱藏著許多重要信息，更多的人希望能夠對此進行更高層次的分析，以便更好地利用這些數(shù)據(jù)。但是，數(shù)據(jù)挖掘在實際運用中還存在許多問題和缺陷，它只是一個工具，不是萬能的【17】，數(shù)據(jù)挖掘的成功，要求對期望解決問題的領域有更深刻的理解，了解其過程，才能對數(shù)據(jù)挖掘的結果找出合理的解釋，才能適應市場和信息化的要求。（6）數(shù)據(jù)挖掘結果的不確定性。數(shù)據(jù)模型包括概念數(shù)據(jù)模型、邏輯數(shù)據(jù)模型和物理模型【11】。（3）數(shù)據(jù)趨勢的預測。數(shù)據(jù)挖掘技術作為零售業(yè)應用中的一種工具，在具體實施的過程中勢必會出現(xiàn)這樣或那樣的問題和缺陷，主要包括以下幾個方面：（1）數(shù)據(jù)挖掘分析變量的選擇。還有一個使數(shù)據(jù)挖掘技術在零售業(yè)領域得以順利實施的重要原因是激烈的外部商業(yè)競爭。一種新的技術要在商業(yè)市場上受歡迎，必須具備兩個基本條件：一是技術可行性，一是商業(yè)必需性。國內(nèi)從事數(shù)據(jù)挖掘研究的人員主要在大學，也有部分在研究所或公司。目前，國外數(shù)據(jù)挖掘的發(fā)展趨勢及研究方面主要有:對知識發(fā)現(xiàn)方法的研究進一步發(fā)展，如近年來注重對貝葉斯(Bayes)方法以及Boosting方法的研究和提高；傳統(tǒng)的統(tǒng)計學回歸法在KDD中的應用；KDD與數(shù)據(jù)庫的緊密結合。利用數(shù)據(jù)挖掘工具對這些數(shù)據(jù)進行分析，可以幫助零售商進行科學的決策。但是最近人們卻逐漸開始使用數(shù)據(jù)挖掘，并認為最好的策略是將統(tǒng)計方法與數(shù)據(jù)挖掘有機的結合起來。機器學習的過程就是將一些已知的并已被成功解決的問題作為范例輸入計算機,機器通過學習這些范例總結并生成相應的規(guī)則,這些規(guī)則具有通用性,使用它們可以解決某一類的問題。2. 數(shù)據(jù)挖掘技術的發(fā)展歷史 數(shù)據(jù)挖掘技術始于20世紀80年代，是隨著科學技術的迅速發(fā)展、數(shù)據(jù)庫規(guī)模的日益擴大以及人們對數(shù)據(jù)庫中潛在信息資源的需求而迅速發(fā)展起來的。關鍵詞：數(shù)據(jù)挖掘、零售業(yè)、商業(yè)信息近年來我國零售行業(yè)發(fā)展十分迅速，大多數(shù)零售企業(yè)都部署了先進的前臺銷售時點信息系統(tǒng)（POS系統(tǒng)）和后臺管理信息系統(tǒng)（MIS系統(tǒng)），隨著交易的不斷進行，數(shù)據(jù)量劇增，海量的數(shù)據(jù)使得用戶很難找出其中存在的關系和規(guī)律，無法根據(jù)現(xiàn)有的數(shù)據(jù)預測未來的發(fā)展趨勢，也無法改變企業(yè)現(xiàn)有的經(jīng)營模式。 任務書必須在第七學期13周前下達給學生。本科畢業(yè)論文（設計）題目 數(shù)據(jù)挖掘技術在零售業(yè)領域中的應用研究 系 別 信息管理系 專 業(yè) 信息管理與信息系統(tǒng) 年 級 2007 級 學 號 222007602063096 姓 名 X X X 指 導 教 師 X X 成 績 _____________________ 2011年5月18日目 錄西南大學本科畢業(yè)論文（設計）任務書 I文獻綜述 i西南大學本科畢業(yè)論文（設計）開題報告 1正文 1摘要 1第1章 引 言 2 論文研究的背景 2 論文研究的意義 2 國內(nèi)外相關領域的研究現(xiàn)狀和發(fā)展趨勢 2第2章 數(shù)據(jù)挖掘技術及關聯(lián)規(guī)則算法概述 5 數(shù)據(jù)挖掘技術介紹 5 關聯(lián)規(guī)則算法概述 13第3章 零售業(yè)現(xiàn)狀分析 20 零售業(yè)的業(yè)務特點 20 零售業(yè)信息化現(xiàn)狀 21 零售業(yè)運用數(shù)據(jù)挖掘技術的可行性分析 22第4章 數(shù)據(jù)挖掘技術在零售業(yè)中的應用 24 數(shù)據(jù)挖掘技術在零售業(yè)領域中的應用形式 24 零售業(yè)實施數(shù)據(jù)挖掘的步驟 25 零售業(yè)實施數(shù)據(jù)挖掘的相關問題 27 基于數(shù)據(jù)挖掘的零售業(yè)管理系統(tǒng) 30 Apriori算法在零售業(yè)中的應用實例 35第5章 結論 43 總結 43 進一步的工作 43參考文獻 44附錄 45致謝 51本科畢業(yè)論文（設計）指導教師評閱表 a本科畢業(yè)論文（設計）交叉評閱表 b本科畢業(yè)論文（設計）答辯記錄 c51西南大學本科畢業(yè)論文（設計）任務書論文（設計）題目 數(shù)據(jù)挖掘技術在零售業(yè)領域中的應用研究 系別、專業(yè) 信息管理系信息管理與信息系統(tǒng) 學生姓名 XXX 學號222007602063096 指導教師姓名 X X 開題日期 2010年12月03日 論文（設計）的主要內(nèi)容（技術指標）與要求：本論文主要講述了數(shù)據(jù)挖掘技術在零售業(yè)運用的基本思想、運用形式和運用過程等等，并且在深入了解數(shù)據(jù)挖掘技術的基礎上提出建立基于數(shù)據(jù)挖掘技術的零售業(yè)管理系統(tǒng)。文獻綜述數(shù)據(jù)挖掘技術在零售業(yè)領域中的應用研究 XXX西南大學榮昌校區(qū)信息管理系 402460摘要：如何快速有效地從海量的信息中挖掘出潛在的有價值的信息，使之有效地在零售業(yè)管理和決策中發(fā)揮作用，是我國零售業(yè)亟待解決的問題之一。另外，市場環(huán)境日益成熟，營銷競爭趨向白熱化，不管是產(chǎn)品或是服務，都試圖在這個信息爆炸的年代找到更大的發(fā)展空間，然而在產(chǎn)品供應大于消費需求的情況下，如何將各式各樣的產(chǎn)品找到不同需求的消費者是零售企業(yè)最關心的問題之一。它是數(shù)據(jù)庫技術、人工智能、機器學習、統(tǒng)計分析、模糊邏輯等學科相結合的產(chǎn)物，是人們長期對數(shù)據(jù)庫技術進行研究和開發(fā)的結果，是一個逐漸演變的歷史過程。隨后,隨著網(wǎng)絡神經(jīng)技術的形成和發(fā)展,人們的注意力轉向知識工程,知識工程不同于機器學習那樣給計算機輸入范例，讓它生成規(guī)則，而是直接給計算機輸入已被代碼化的規(guī)則，而計算機是通過使用這些規(guī)則來解決某些問題。另外，數(shù)據(jù)倉庫技術的發(fā)展與數(shù)據(jù)挖掘技術密切相關，數(shù)據(jù)倉庫的發(fā)展是促進數(shù)據(jù)挖掘越來越熱的原因之一，但是，數(shù)據(jù)倉庫并不是數(shù)據(jù)挖掘的先決條件，因為有很多數(shù)據(jù)挖掘可直接從操作數(shù)據(jù)源中挖掘信息。例如對商品進行購物籃分析，分析哪些商品是顧客最有希望一起購買的，從而將這些商品擺放在一起；分析商品的銷售趨勢，進而幫助零售商進貨提供建議；分析購買商品的人員信息，以幫助零售商選擇店鋪的所在位置等等。在應用方面包括:KDD商業(yè)軟件工具不斷產(chǎn)生和完善，注重建立解決問題的整體系統(tǒng)，而不是孤立的過程。所涉及的研究領域很多，一般集中于學習算法的研究、數(shù)據(jù)挖掘的實際應用以及有關數(shù)據(jù)挖掘理論方面的研究，主要側重于數(shù)據(jù)倉庫這一方面。技術可行性體現(xiàn)在三方面：首先，業(yè)務處理的計算機化使得生成大量的現(xiàn)有數(shù)據(jù)；第二，數(shù)據(jù)存儲技術和計算處理速度的更新；第三，如神經(jīng)網(wǎng)絡這樣的先進新算法的產(chǎn)生。零售業(yè)的競爭能力增加了企業(yè)對高效競爭的需要，其中，更好地了解客戶就是有效競爭的一個重要方面,從數(shù)據(jù)中挖掘出的信息可以幫助企業(yè)了解市場的動態(tài)，及時針對如今快速變化的環(huán)境做出確認和回應，并抓住新出現(xiàn)的商機。數(shù)據(jù)挖掘的基本問題就在于數(shù)據(jù)的數(shù)量和維數(shù),數(shù)據(jù)結構顯得非常復雜,數(shù)據(jù)分析變量即是在數(shù)據(jù)挖掘技術應用中產(chǎn)生的,選擇合適的分析變量,將提高數(shù)據(jù)挖掘的效率。數(shù)據(jù)是海量的,那么數(shù)據(jù)中就會隱含一定的變化趨勢,在零售業(yè)中對數(shù)據(jù)趨勢的預測尤為重要,特別是對客戶信息以及商品信息合理的預測,有利于企業(yè)有效的決策,獲得更多地利潤。數(shù)據(jù)挖掘的模型目前也有多種,包括采集模型、處理模型及其他模型,但無論哪種模型都不是很成熟，都存在缺陷,對不同數(shù)據(jù)模型采用不同的方式，可能產(chǎn)生不同的結果,甚至差異很大,因此這就涉及到數(shù)據(jù)可靠性的問題。數(shù)據(jù)挖掘結果具有不確定性的特征,因為挖掘的目的不同，所以最后挖掘的結果自然也會千差萬別,因此這就需要我們與所要挖掘的目的相結合,做出合理判斷,得出企業(yè)所需要的信息,便于企業(yè)的決策選擇。 參考文獻：[1] 陳京民. 數(shù)據(jù)倉庫與數(shù)據(jù)挖掘技術[M]. 電子工業(yè)出版社,2002[2] 李雄飛，李軍．數(shù)據(jù)挖掘與知識發(fā)現(xiàn)[M]．北京：高等教育出版社，2003[3] 邵峰晶，于忠清．數(shù)據(jù)挖掘原理與算法[M]．北京 ：中國水利水電出版社，2003[4] 韓耀,張春法,楊鳳召. 零售業(yè)客戶關系管理及數(shù)據(jù)挖掘技術的應用研究[J]. 哈爾濱商業(yè)大學學報，2005 (3)[5] Jiawei Han，Micheline Kamber，范明，孟小峰.零售業(yè)更是如此，目前，幾乎所有的零售業(yè)都部署了先進的前臺POS系統(tǒng)和后臺MIS系統(tǒng)，隨著交易的不斷進行，前臺POS系統(tǒng)和后臺MIS系統(tǒng)積聚了大量的客戶交易數(shù)據(jù)，這些數(shù)據(jù)是由于純機會的商業(yè)運作而產(chǎn)生，分析這些數(shù)據(jù)更重要的是為商業(yè)決策提供真正有價值的信息，進而獲得更多的利潤，數(shù)據(jù)挖掘技術就能有效解決這一難題。 以上正是本課題的研究意義。 ：準備文論答辯前的相關資料并完成論文答辯；： 指導教師（簽名）：年 月 日： 系（蓋章） 年 月 日說明：開題報告應在教師指導下由學生獨立撰寫。本文首先簡要介紹了數(shù)據(jù)挖掘技術和關聯(lián)規(guī)則算法；其次對零售業(yè)做了簡要分析，然后重點從實際運用的角度分析了數(shù)據(jù)挖掘技術在零售業(yè)的應用，并在此基礎上提出了構建基于數(shù)據(jù)挖掘技術的零售業(yè)管理系統(tǒng)；最后，選取某超市的一段銷售記錄，實例說明Apriori算法在零售業(yè)領域的具體應用過程。零售業(yè)的利潤被不斷壓縮，客戶在各零售業(yè)之間也有了更多的選擇，而且客戶變得越來越理性，更加注重商品的品牌、形象和使用，以及購買的方便性和零售店的服務質量等等。 論文研究的意義 曾有人說過“海量數(shù)據(jù)之所在，即為數(shù)據(jù)挖掘之用武之地【8】”，零售業(yè)是最早應用數(shù)據(jù)挖掘技術的領域之一。 國內(nèi)外相關領域的研究現(xiàn)狀和發(fā)展趨勢 數(shù)據(jù)挖掘又稱數(shù)據(jù)庫中的知識發(fā)現(xiàn)（Knowledge Discovery in Database,簡稱KDD），KDD一詞首先出現(xiàn)于1989年在美國底特律召開的第十一屆國際聯(lián)合人工智能學術會議上，到1995年在加拿大蒙特利爾召開的首屆KDD amp。在零售業(yè)領域，WalMart“啤酒與尿布”的經(jīng)典案例就是數(shù)據(jù)挖掘技術的成功應用，并在業(yè)界內(nèi)廣為流傳。目前，國內(nèi)的許多科研單位和高校競相開展數(shù)據(jù)挖掘的基礎理論及其應用研究，主要包括清華大學、中科院計算機研究所、空軍第三研究所、海軍裝備論證中心等。 數(shù)據(jù)挖掘的任務方法的多樣性對數(shù)據(jù)挖掘提出了許多挑戰(zhàn)性的研究問題，在將來會形成更大的高潮，研究焦點可能會集中到以下幾個方面：研究專門用于知識發(fā)現(xiàn)的數(shù)據(jù)挖掘語言，并逐步走向形式化和標準化；尋求數(shù)據(jù)挖掘過程中的可視化方法，使得知識發(fā)現(xiàn)的過程能夠被用戶理解，也便于在知識發(fā)現(xiàn)過程中的人機交互；研究在網(wǎng)絡與分布環(huán)境下的數(shù)據(jù)挖掘技術，特別是在Internet上建立數(shù)據(jù)挖掘服務器，與數(shù)據(jù)挖掘服務器配合，實現(xiàn)數(shù)據(jù)挖掘；加強對各種非結構化數(shù)據(jù)的挖掘，如文本數(shù)據(jù)、圖形圖像數(shù)據(jù)、多媒體數(shù)據(jù)等；探索可伸縮的和可交互的數(shù)據(jù)挖掘方法，全面提高數(shù)據(jù)挖掘過程的整體效率；擴大數(shù)據(jù)挖掘用于范圍，如金融分析、生物醫(yī)藥研制、犯罪偵查等；開發(fā)適應多數(shù)據(jù)類型、容噪的數(shù)據(jù)挖掘方法，以解決異質數(shù)據(jù)集的數(shù)據(jù)挖掘問題；動態(tài)數(shù)據(jù)和知識的數(shù)據(jù)挖掘等等。數(shù)據(jù)挖掘技術從一開始就是面向應用的，它在各個行業(yè)應用所取得的巨大成功充分地顯示出其強大的生命力。 從商業(yè)角度看，數(shù)據(jù)挖掘是一種新型的商業(yè)信息分析處理技術，其主要特點是對商業(yè)數(shù)據(jù)庫中的大量業(yè)務數(shù)據(jù)進行抽取、轉換、分析和其他模型化處理，從中提取輔助商業(yè)決策的關鍵性數(shù)據(jù)。數(shù)據(jù)挖掘利用統(tǒng)計和人工智能的技術，把這些高深復雜的技術封裝起來，使用戶不用掌握這些技術也能完成同樣的功能，從而更加專注于自己所要解決的問題，數(shù)據(jù)挖掘實際是統(tǒng)計和人工智能理論同現(xiàn)代軟件技術和計算機科學知識的一次綜合。數(shù)據(jù)挖掘與數(shù)據(jù)倉庫之間有緊密的聯(lián)系，下面將簡單介紹數(shù)據(jù)挖掘與數(shù)據(jù)倉庫之間的關系，更深入地了解數(shù)據(jù)挖掘技術。數(shù)據(jù)挖掘是數(shù)據(jù)利用價值的再發(fā)現(xiàn)，它突破了傳統(tǒng)意義上的數(shù)據(jù)查詢，是在更大的尺度上、更深的層次中對數(shù)據(jù)提高利用的價值，是數(shù)據(jù)倉庫應用的關鍵。神經(jīng)網(wǎng)絡方法的缺點是“黑箱”性，人們難以理解網(wǎng)絡的學習和決策過程。遺傳算法的應用還體現(xiàn)在與神經(jīng)網(wǎng)絡、粗糙集等技術的結合上。它的主要優(yōu)點是描述簡單，分類速度快，特別適合大規(guī)模的數(shù)據(jù)處理。 　?。?）粗集方法 　　粗集理論是一種研究不精確、不確定知識的數(shù)學工具。但粗集的數(shù)學基礎是集合論，難以直接處理連續(xù)的屬性。首先在正例集合中任選一個種子，到反例集合中逐個比較?！　。?）統(tǒng)計分析方法 　　在數(shù)據(jù)庫字段項之間存在兩種關系：函數(shù)關系(能用函數(shù)公式表示的確定性關系)和相關關系(不能用函數(shù)公式表示，但仍是相關確定性關系)，對它們的分析可采用統(tǒng)計學方法，即利用統(tǒng)計學原理對數(shù)據(jù)庫中的信息進行分析。李德毅等人在傳統(tǒng)模糊理論和概率統(tǒng)計的基礎上，提出了