arXiv 1109.12022011-09-06cs.DB

数据采掘技术：消费者行为分析的源泉

Data Mining Techniques: A Source for Consumer Behavior Analysis

Abhijit Raorane, R. V. Kulkarni

摘要：

消费者购买行为的各种研究已经提出并用于实际问题。数据采掘技术有望成为分析消费者行为的更有效工具。然而，数据采掘方法有缺点也有优点。因此，选择合适的数据挖掘技术是非常重要的。本文的目的是了解消费者的行为，了解消费者在购买时的心理状态，以及如何应用合适的数据采掘方法来改进传统的方法。此外，在实验中，利用关联规则挖掘的信任客户在一个超级市场行业的销售数据，

英文摘要：

Various studies on consumer purchasing behaviors have been presented and used in real problems. Data mining techniques are expected to be a more effective tool for analyzing consumer behaviors. However, the data mining method has disadvantages as well as advantages. Therefore, it is important to select appropriate techniques to mine databases. The objective of this paper is to know consumer behavior, his psychological condition at the time of purchase and how suitable data mining method apply to improve conventional method. Moreover, in an experiment, association rule is employed to mine rules for trusted customers using sales data in a super market industry

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

基于Mean Shift数据采掘知识发现过程的住宅用户高效电力盗窃检测

Efficient Power Theft Detection for Residential Consumers Using Mean Shift Data Mining Knowledge Discovery Process

能源盗窃对电力运营商来说是一个非常重要的问题。由于检查方法不足，试图发现和减少非技术性损失是一项具有挑战性的任务。随着智能电网中先进计量基础设施（AMI）的发展，出现了更复杂的能源盗窃现状，许多新技术正在被采用来解决这个问题。为了识别非法居民用户，提出了一种基于数据采掘技术分析和识别居民用户用电模式的计算方法。结合主成分分析（PCA）和均值漂移算法的不同的电力盗窃的情况下，我们现在可以应付的电力盗窃检测问题。总体研究在住宅消费者电力盗窃检测方面取得了令人鼓舞的结果，这将帮助公用事业公司提高电网的可靠性、安全性和运营。

2019-02-05cs.DB

名人品牌决策：基于极性和情感分析的意见挖掘方法，使用Twitter消费者生成内容（CGC）

Decision Making For Celebrity Branding: An Opinion Mining Approach Based On Polarity And Sentiment Analysis Using Twitter Consumer-Generated Content (CGC)

Shahid Beheshti University（沙希德·贝赫什蒂大学）；University of Tehran（德黑兰大学）；Amirkabir University of Technology（阿米卡比尔理工大学）

社交媒体中有关品牌的大量讨论为数字营销人员提供了跟踪和分析消费者对CGC中品牌、产品、影响者、服务和广告活动的感受和看法的绝佳机会。本研究旨在评估和比较公司和名人的业绩（即，具有在这些公司的广告活动中的经验的影响者）与在社交媒体上用于CGC的自动化情感分析进行比较，同时探索消费者对他们的感觉以观察哪个影响者（每个公司两个）与对应的公司对消费者思想具有更密切的影响。为此，利用来自品牌和影响者页面的几条消费者推文，通过朴素算法（基于词典）和朴素贝叶斯算法（机器学习方法）对机器学习和基于词典的情感分析方法进行比较，并获得评估活动的预期结果。研究结果表明，这些方法在准确性方面不同;机器学习方法具有更高的准确性。最后，结果显示，根据他们在以前的广告活动中的存在，哪个影响者更合适，并帮助我们公司在未来选择合适的影响者，并在随后进行更好，更合适，更有效的广告活动。需要对情感分类的准确性进行进一步的研究。这种方法应该用于其他社交媒体CGC类型。结果揭示了决策的情感分析方法是最好的方法，用于分析社会媒体。研究还发现，公司应该了解消费者的情绪，并在每次考虑活动时选择合适的人。

2021-09-26cs.CYcs.DBcs.LG

不精确时态关联与决策支持系统

Imprecise temporal associations and decision support systems

近年来，决策支持系统、人工智能和数据采掘在消费电子产品和日常生活中的快速和普遍渗透已经非常重要。用户体验等领域一直在促进这些技术集成到软件和硬件中，但后端处理仍然基于二进制基础。本文描述了一种挖掘数据流中事件之间不精确的时间关联的方法，同时考虑到近似的非常自然的概念。这种类型的关联分析可能会导致更有意义和可操作的决策支持系统。

2018-03-03cs.DB

HANDY：一种用于移动Ad hoc网络层服务发现的混合关联规则挖掘方法

HANDY: A Hybrid Association Rules Mining Approach for Network Layer Discovery of Services for Mobile Ad hoc Network

National University of Computer and Emerging Sciences（国立计算机与新兴科学大学）；Hamdard University（哈姆达德大学）

移动自组织网络是由一组移动节点组成的无基础设施的网络。由于移动自组网的特殊性，移动自组网中的服务发现是一项具有挑战性的工作。提出了一种基于混合关联规则的网络层服务发现框架HANDY（Hybrid Association Rules Based Network Layer Discovery of Services for Ad Hoc Networks）。HANDY提供了三个主要的研究贡献。首先，它采用了一种跨层的优化设计的服务发现，基于服务和相应的路由同时发现。其次，提出了一种基于本体的多层次服务描述方法。这以可伸缩的方式解决了服务消费者之间的语义互操作性问题。最后，为了进一步优化发现过程的性能，HANDY建议利用服务之间存在的固有关联。这些关联以两种方式使用。首先，基于这些关联来执行周期性服务广告。此外，当生成服务发现请求的响应时，相关服务也被附加到响应。提出的服务发现方案已在JIST/SWANS仿真器中实现。实验结果表明，改进后的服务消费者的命中率和发现过程的延迟得到了改善。

2017-10-03cs.AIcs.DBcs.NI

基于协同Apriori、Fsa-Red和M5P预测算法挖掘交易数据以生成扩展关联规则作为业务行动基础

Mining Transactional Data To Produce Extended Association Rules Using Collaborative Apriori, Fsa-Red And M5p Predictive Algorithm As A Basis Of Business Actions

本研究针对零售交易数据，结合M5P预测算法及聚类、时间序列模式技术更新并验证扩展关联规则，生成置信度≥70%的强规则，为业务行动提供依据。

2024-03-07cs.DB

一种用于评估流程挖掘技术的基准真值方法

A Ground Truth Approach for Assessing Process Mining Techniques

提出一种基于基准真值生成流程数据的方法，结合行为偏差与记录错误，用于更准确评估流程挖掘技术，并通过一致性检查用例展示其优势。

2025-01-24cs.DB

更多相关论文收起更多论文

高级事件挖掘：一个框架

High-Level Event Mining: A Framework

流程挖掘方法通常根据单个端到端流程运行来分析流程。然而，流程行为可能具体化为许多相关流程组件的一般状态，这不能通过查看单个流程实例来捕获。通过查看时间相近且共享公共流程能力的事件，可以确定流程的更整体状态。在这项工作中，我们概念化这种行为使用高级别的事件，并提出了一个新的框架，用于检测和记录这种高级别的事件。我们的方法的输出是一个新的高级事件日志，它收集所有生成的高级事件以及新分配的事件属性：activity、case和timestamp。然后，可以将现有的流程挖掘技术应用于生成的高级事件日志，以获得进一步的见解。在模拟和真实事件数据上的实验表明，我们的方法能够自动发现系统级模式（如高流量和工作负载）如何在整个过程中出现、传播和消除。

2022-10-31cs.DB

基于关联分析的智能手机用户行为规则挖掘

Mining User Behavioral Rules from Smartphone Data through Association Analysis

智能手机的日益普及及其强大的传感功能使得能够通过设备日志收集丰富的上下文信息和手机使用记录。本文阐述了利用智能手机数据挖掘个人手机用户的行为关联规则的问题。关联规则学习是利用大数据集发现规则的最流行的技术。然而，众所周知，产生的关联规则中有很大一部分是冗余的。这种冗余生产不仅使规则集不必要地庞大，而且使决策过程更加复杂和无效。在本文中，我们提出了一种方法，有效地识别冗余的关联，并提取一组简洁的行为关联规则是非冗余的。通过考虑个人用户的真实移动电话数据集来检验所提出的方法的有效性。

2018-03-19cs.DBcs.SE

应用数据采掘技术对一个选定的商业组织，特别是购买行为

Application of Data Mining Techniques to a Selected Business Organisation with Special Reference to Buying Behaviour

Deshbhakt Ratnappa Kumbhar College Of Commerce（德斯巴克特·拉特纳帕·孔布哈商业学院）；Chh. Shahu Institute Of Business Education And Research（恰·沙胡商业教育与研究学院）

数据采掘是一个新的概念&对大数据集进行探索和分析，以发现有意义的模式和规则。许多组织现在正在使用数据采掘技术从数据库中找出有意义的模式。本文研究了如何将数据采掘技术应用于大型数据库。这些数据采掘技术从数据库中得到某些行为模式。对数据库进行分析后得出的结果对组织工作是有用的。本文对应用关联规则挖掘技术、规则归纳技术和Apriori算法后的结果进行了检验。并将这些技术应用于大型购物中心的数据库中。通过上述技术对市场购物篮进行分析，发现了一些重要的结果，如购买行为。

2011-12-17cs.AIcs.DB

从参考过程模型中挖掘约束以检测事件日志中的最佳实践违规

Mining Constraints from Reference Process Models for Detecting Best-Practice Violations in Event Logs

本文提出一个从参考过程模型集合中挖掘声明式最佳实践约束的框架，自动选择与事件日志相关的约束并检测最佳实践违规，从而无需专用规范模型即可进行一致性检查。

2025-08-22cs.DBcs.SE

从序列数据库中挖掘非冗余局部过程模型

Mining Non-Redundant Local Process Models From Sequence Databases

Eindhoven University of Technology（埃因霍温理工大学）；University of Tartu（塔尔图大学）

序列模式挖掘技术从序列数据库中提取对应于频繁序列的模式。这些技术的一个实际局限性是，它们会让用户负担太多的模式。局部过程模型挖掘是过程挖掘领域的一种新的挖掘方法。在传统的序列模式挖掘中，一个模式描述一个子序列，而LPM捕获一组连续性。此外，虽然传统的顺序模式仅匹配在序列数据库中观察到的顺序，但LPM可以捕获未明确观察到的顺序，但与观察到的顺序相关。换句话说，LPM概括了在序列数据库中观察到的行为。这些属性使得一组LPM可以覆盖更大的一组顺序模式的行为。然而，现有的LPM挖掘技术仍然遭受模式爆炸问题，因为它们产生冗余LPM集。在本文中，我们提出了几种算法来挖掘一组非冗余的LPM，无论是从一组冗余的LPM或从一组序列模式。我们根据经验比较他们之间的建议，并对现有的（本地）流程挖掘技术的覆盖率，冗余度和复杂性的生产集的LPM。

2018-09-21cs.AIcs.DBcs.DS