【正文】 這些種限制條件能容易被歸入 像將被討論的廣義 PROFSET 模型。其次，產(chǎn)品類別的限制，可能反映了產(chǎn)品 在 貨架空間 的 分配。例如 ， 在超級(jí)市場(chǎng)方面的研究 ， 通過下列組成部分與競(jìng)爭(zhēng)區(qū)別：新鮮，有益和友好。 因此，這是很重要的，以優(yōu)化產(chǎn)品組合，以便最大限度地交叉銷售的效果之間的產(chǎn)品，避免產(chǎn)品并存。 這 些限制的關(guān)聯(lián)性可以在零售方面被下 列 普遍說明。 廣義 PROFSET 模型通過增加一個(gè)另外的指數(shù) k 到產(chǎn)品 變量及 限制類別水平 。 事實(shí)上 ， 顧客期望超級(jí)市場(chǎng) 開發(fā) 各種各樣的產(chǎn)品，遠(yuǎn)離類別 /部門將針超級(jí)市場(chǎng)對(duì)顧客并 且 損害商店的形象的期望。因?yàn)樗麄儧]有足夠的盈利，以整體效益最優(yōu)化設(shè)置 ， 有時(shí)會(huì)導(dǎo)致模型排除一個(gè)或更多種類甚至全部產(chǎn)品 。這樣一來，三次交易當(dāng)中的任一兩次都包含進(jìn)去了，就能得到最大（大豆、奶酪）交易量，還將 m（科拉和大豆）分布到 M 大豆、奶酪）中。的確，假如這樣的信息能作為我們研究這類問題的依據(jù)，那么根據(jù)這些信息，則消費(fèi)者 會(huì)更加傾向于采購(gòu)最大量的（科拉和大豆），而不是（大豆、奶酪），這樣產(chǎn)生的結(jié)果就是，我們可以推斷出，消費(fèi)者的消費(fèi)傾向是（科拉和大豆），而不是（大豆、奶酪） 。結(jié)果，還是無法明確的看出哪一組能產(chǎn)生最大利潤(rùn)，再者，我們無法對(duì)選擇的 類別 進(jìn)行分布整體利潤(rùn)差，只能對(duì)選定的 類別 進(jìn)行分析確定。 總結(jié)如下： 表中包含了針對(duì)一個(gè)特定的交易數(shù)據(jù)的所有重復(fù)采購(gòu)產(chǎn)品，在這個(gè)例子中，沒有特別大的最大采購(gòu)量。的確，一次交易中會(huì)出現(xiàn)對(duì)不同采購(gòu)量的多次重復(fù)采購(gòu)現(xiàn)象，所以我們不外文翻譯 12 能夠直接確定消費(fèi)者在消費(fèi)時(shí)哪種重復(fù)采購(gòu)的商品能代表他們的消費(fèi)意圖。 在此，我們必須了解消費(fèi)者購(gòu)買商品的意圖，不幸的是，當(dāng)我們像弄清這個(gè)問題時(shí)，消費(fèi)者已經(jīng)離開了商場(chǎng)。 第三章 通用化 PROFSET 模塊 本章將 重點(diǎn)講述 針對(duì)以前的 PROFSET 模塊 的發(fā)展情況。 以前的 PROFSET 模塊的另一個(gè)局限性體現(xiàn)在統(tǒng)籌管理規(guī)則上。 不過， 對(duì)于 超級(jí)市場(chǎng)采購(gòu)量會(huì)遠(yuǎn)遠(yuǎn)大于這些小型多次采購(gòu)，這樣，問題就變得嚴(yán)重復(fù)雜；的確，在超 級(jí)市場(chǎng)的采購(gòu)不會(huì)多余7 種產(chǎn)品，但每種產(chǎn)品的采購(gòu)量可以達(dá)到 10 到 15 件，結(jié)果就是， PROFSET模塊無法在這樣復(fù)雜的交易過程下對(duì)綜合利潤(rùn)差進(jìn)行評(píng)價(jià)，并且，解決這樣的問題也不那么簡(jiǎn)單。 以前的 PROFSET 模塊專門從自動(dòng)便利超市對(duì)市場(chǎng)采購(gòu)數(shù)據(jù)進(jìn)行研究和發(fā)展，由于消費(fèi)者一般不會(huì)在一次消費(fèi)中購(gòu)買大量的同一種商品，故外文翻譯 11 這種原始的數(shù)據(jù)主要特點(diǎn)是針對(duì)小型市場(chǎng)采購(gòu)。PROFSET 通過評(píng)價(jià)在每次交易中不同產(chǎn)品產(chǎn)生的利潤(rùn)差，進(jìn)一步評(píng)價(jià) 交叉銷售的可能性，而不是對(duì)單個(gè)商品進(jìn)行評(píng)價(jià)。而 PROFSET 模塊的設(shè)計(jì)目的正是用來解決這樣的問題。然而，當(dāng)評(píng)價(jià)一種產(chǎn)品的市場(chǎng)效益時(shí)，必須從全局出發(fā)，而不是著眼于個(gè)體，因?yàn)榍罢吒芊从呈袌?chǎng)上消費(fèi)者多次、重復(fù)購(gòu)買的市場(chǎng)特性。 本文接下來的內(nèi)容分布如下： 第二章，我們介紹以前 PROFSET 模塊的局限性；第三章，介紹集成化PROFSE 模塊；第四章，介紹集成化 PROFSET 模塊在實(shí)用市場(chǎng)數(shù)據(jù)方面的一些以有點(diǎn)；最后在第五章，總結(jié)本文，并介紹一些將來研究方向 。但是最初它還不能克服在超級(jí)市場(chǎng)中表現(xiàn)出的一些缺陷，為解決之一問題，本文引入了一種現(xiàn)有 PROFSET 模塊的重要改進(jìn)版，可以有 效地運(yùn)用到大型市場(chǎng)上。它在零售知識(shí)上，從質(zhì)量管理和數(shù)量管理兩方面進(jìn)行了闡述，為外文翻譯 10 的是能夠?qū)μ囟ㄒ?guī)格的產(chǎn)品產(chǎn)生最大的效益。 其次，人們已經(jīng)意識(shí)到掌握這些信息，在決定這些規(guī)則的相關(guān)利潤(rùn)時(shí)扮演極為重要的角色，然而，例如像不可預(yù)測(cè)性、行為能力和規(guī)則模板的利潤(rùn)客觀標(biāo)準(zhǔn)已經(jīng)被提出，最終，在零售商微觀經(jīng)濟(jì) 框架理論的協(xié)助下，當(dāng)今主流的研究方向已經(jīng)轉(zhuǎn)向關(guān)聯(lián)利潤(rùn)的評(píng)估，更重要的是，它已經(jīng)用于在大型企業(yè)的決策制定，以加強(qiáng)統(tǒng)一性。 目前， 基于此規(guī)則，已經(jīng)發(fā)展了一些利潤(rùn)客觀評(píng)價(jià)方法，以便排除一些 無 利潤(rùn)因素；例如：規(guī)則數(shù)據(jù)特性的支持和密度、利潤(rùn)、應(yīng)用的完整性、J規(guī)則以及關(guān)聯(lián)。如果 我們假設(shè)關(guān)聯(lián)規(guī)則挖掘 具有 一些熟悉的基本概念 ， 從大型零售數(shù) 據(jù)庫(kù) 運(yùn)用 關(guān)聯(lián)規(guī)則挖掘 [2]， 可以幫助零售商 成功地 提取這方面的知識(shí) 。相反的， 誰能夠在提取這些數(shù)據(jù)背后隱藏的、由數(shù)據(jù)庫(kù)生成的信息，并用它來優(yōu)化其營(yíng)銷決策 ，就能獲得競(jìng)爭(zhēng)優(yōu)勢(shì)。 expectations about the supermarket and would harm the store39。 peanuts}). After this, T is split up as follows: T := T \{cola。s purchase intention has been {cola, peanuts} instead of {peanuts, cheese}. This information is used to construct the probability distribution Tj? , reflecting the relative frequencies of the frequent subsets of T. Now, each time a sales transaction 外文翻譯 7 {cola, peanuts, cheese} is encountered in the data, a random draw from the probability distribution Tj? will provide the most probable purchase intention (. frequent subset) for that transaction. Consequently, on average in two of the three times this transaction is encountered, maximal subset {cola, peanuts} will be selected and m({cola。 畢業(yè)設(shè) 計(jì)（ 論 文） 外文翻譯 題 目 對(duì)零售超市數(shù)據(jù)進(jìn)行最 優(yōu)產(chǎn)品選擇的數(shù)據(jù)挖掘框 架：廣義 PROFSET 模型 專 業(yè) 網(wǎng)絡(luò)工程 外文翻譯 1 附錄 英文原文 A Data Mining Framework for Optimal Product Selection in Retail Supermarket Data: The Generalized PROFSET Model 1 Introduction Since almost all mid to large size retailers today possess electronic sales transaction Systems, retailers realize that petitive advantage will no longer be achieved by the mere use of these systems for purposes of inventory management or facilitating customer checkout. In contrast, petitive advantage will be gained by those retailers who are able to extract the knowledge hidden in the data, generated by those systems, and use it to optimize their marketing decision making. In this context, knowledge about how customers are using the retail store is of critical import