基于數(shù)據(jù)挖掘技術(shù)的CRM系統(tǒng)——數(shù)據(jù)挖掘技術(shù)在交叉營銷和客戶細分中的應(yīng)用.pdf

1、本課題將數(shù)據(jù)挖掘技術(shù)運用到CRM（客戶關(guān)系管理）的交叉營銷和客戶細分模塊中，利用統(tǒng)計學和機器學習技術(shù)創(chuàng)建預(yù)測客戶行為的模型，指導(dǎo)商業(yè)決策。本課題的主要研究工作和成果有：1、提出了基于H-Struct的頻繁閉合項集挖掘算法：H-C。2、進一步改進了H-C算法。首先，針對傳統(tǒng)最小支持度閾值不利于發(fā)現(xiàn)長項集和具有低支持度、高興趣度項集的缺點，引入局部相對最小支持度閾值指導(dǎo)挖掘；其次，設(shè)置全局最大支持度閾值幫助去除那些出現(xiàn)過于頻繁的無用項

2、集，減少算法時間開銷；最后，本課題充分利用H-Struct動態(tài)鏈接結(jié)構(gòu)的挖掘特點，挖掘具有最大長度k的頻繁閉合項集。3、為了得到完備的規(guī)則集合，有效地指導(dǎo)預(yù)測過程，本課題挖掘包含負項的關(guān)聯(lián)規(guī)則。同時，對待挖掘關(guān)聯(lián)規(guī)則的形式進行約束，增強知識的實用性。實例分析表明得到的關(guān)聯(lián)規(guī)則集合是正確有效的。4、將挖掘得到的關(guān)聯(lián)規(guī)則集合作為知識庫，并在這些知識的啟發(fā)下，運用EMYCIN的推理機制對客戶數(shù)據(jù)進行營銷預(yù)測，獲得該客戶選擇這項產(chǎn)品或服務(wù)的