초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

연관규칙(Association Rule)은 대용량 데이터베이스에서 변수들간 흥미로운 관계를 찾도록 고안된 방법으로 기업에서 매우 중요하게 사용되는데 거래 또는 사건들간에 연관성에 대한 규칙을 발견하기 위해 적용되기 때문이다. 또한 연관규칙을 마케팅에서는 장바구니 분석(MBA : Market Basket Analysis)이라고도 부른다. 장바구니 분석은 고객들이 빈번하게 또는 한꺼번에 구입하는 제품들이 무엇인지 발견함으로써 그들의 구매 규칙을 추출할 수 있고, 이를 활용하여 마케팅, 서비스 등 다양한 분야에 적용되어 기업간의 경쟁력이 되고 있다. 본 연구에서 다룬 문제는 먼저 오리지널 데이터베이스로부터 빈발하지 않는 1-항목집합과 널 트랜잭션(Null ...

연관규칙(Association Rule)은 대용량 데이터베이스에서 변수들간 흥미로운 관계를 찾도록 고안된 방법으로 기업에서 매우 중요하게 사용되는데 거래 또는 사건들간에 연관성에 대한 규칙을 발견하기 위해 적용되기 때문이다. 또한 연관규칙을 마케팅에서는 장바구니 분석(MBA : Market Basket Analysis)이라고도 부른다. 장바구니 분석은 고객들이 빈번하게 또는 한꺼번에 구입하는 제품들이 무엇인지 발견함으로써 그들의 구매 규칙을 추출할 수 있고, 이를 활용하여 마케팅, 서비스 등 다양한 분야에 적용되어 기업간의 경쟁력이 되고 있다. 본 연구에서 다룬 문제는 먼저 오리지널 데이터베이스로부터 빈발하지 않는 1-항목집합과 널 트랜잭션(Null Transaction)을 제거 후, 최대 빈발 패턴(Maximal Frequent Pattern)을 발생시키기 위한 BRE-트리(Bottom-up Row Enumeration Tree approach)를 적용하였다. 다음으로 온라인 트랜잭션 데이터베이스에서 고객 구매 규칙의 마이닝을 위한 항목들 간의 거리를 계산하기 위해, SCL(Sequence Close Level)의 변형된 버전을 사용하였다. 연구 결과는 데이터베이스 크기와 검색 범위, 메모리 할당량을 줄여주며, 온라인 쇼핑객의 구매 규칙을 보다 효율적으로 예측할 수 있다.

Abstract ▼ AI-Helper

Association rule mining techniques in market basket analysis is very important for everyday’s business decision. These techniques can extract customer purchase rules by discovering what items they are buying frequently and together. Therefore, to raise the probability of purchasing manager of a shop...

Association rule mining techniques in market basket analysis is very important for everyday’s business decision. These techniques can extract customer purchase rules by discovering what items they are buying frequently and together. Therefore, to raise the probability of purchasing manager of a shop can place the associated items at the neighboring shelf. Therefore, the ability to predict e-shopper’s purchase rules basing on data mining has become a key source of competitive advantage for company. Another issue is that, mining maximal frequent patterns is also very important in the recent competitive market since the maximal frequent patterns for a particular customer reveals the exact customers purchase rules. In this paper, we proposed a bottom-up row enumeration approach to mine the maximal frequent patterns and then the concept of sequence close level is used for counting the distance between a pair of items for mining the customer’s purchase rules in an online transactional database. The experimental results show that our proposed approach can predicts the exact customers purchase rules in reasonable time.

주제어