1、 基于关联规则的客户满意度提升分析 1 本课题相关研究现状 关联规则是在数据挖掘的基础上建立的， 数据关联是数据库中存在的一类重要的 可被发现的知识。数据挖掘其实是一个逐渐演变的过程，现如今数据挖掘的研究 在商业上的应用也十分的广泛， 目前我国学术界和企业界对企业营销道德的研究 多见于期刊、论文，报刊杂志，我在 CNKI 中检索题名包括“数据挖掘”的期刊 论文，检索结果显示共有2221篇相关论文，最早的一篇论文发表于1997年。其中 我国数据挖掘研究现状分析-基于共词分析视角 张玉1,2,郭会雨2,陈建青2 （1.中国科学技术信息研究所， 北京100038； 2.解放军医学图书馆， 北京100
2、039） ， 以十年来国内数据挖掘领域的高频关键词为数据基础， 通过共词分析方法对研究 热点进行了分析， 以期望能够清晰地揭示出十年来数据挖掘领域内研究热点的结 构和内容。而一种基于串与运算的关联规则挖掘算法胡蓉( 湖南科技大学计 算机科学与工程学院, 湖南湘潭411201)主要讲解了关联规则相关概念的形式描 述、经典关联规则算法及其分析、基于串与运算的挖掘关联规则的算法。清楚的 向我们展示了数据挖掘关联规则的具体算法，该类文献还包括了基于关联规则 的数据挖掘方法研究D. 1 李彦伟.江南大学 2011，以及基于关联规则的数 据挖掘研究王义； 贾宇波； 东兴。在关联规则数据挖掘算法的应用文献方
3、面 有杨 晓,张迎新Apriori算法在消费市场价格分析中的研究与应用(北京工商 大学 计算机与信息工程学院,北京100048)主要是通过介绍关联规则的基本原理， 在此基础上对 Apriori算法进行详细的分析讲解， 并将其运用于消费价格数据中， 通过各大量降价的农副产品价格数据挖掘出了玉米、大麦、大米和牛肉、羊肉等 价格之间的关联规律。此类文献还包括了路永和、曹利朝基于关联规则综合评 价的图书推荐模型(中山大学资讯管理学院 广州 510006)，把关联规则运用于 网上书店和数字图书馆的图书推荐模型，提出基于支持度、置信度、Jaccard 兴 趣度、吸引度和收益因素，运用熵权法和相对比较法确定
4、模型中指标的权重, 并 对模型的算法进行研究。结果表明该模型能够很好地取得用户的好感，进而为用 户提供推荐图书。宋群斌数据挖掘将为保险业带来新的动力 中国保险报 /2010 年/3 月/1 日/第 007 版，综述了数据挖掘技术在保险业中的应用情况。 徐甜 数据挖掘在客户关系管理中的应用研究 (安阳师范学院 河南安阳455002) 主要通过对1.数据挖掘的基本概念2.数据挖掘在客户关系管理中的应用3、CRM 中数据挖掘的步骤和流程这几个部分的详细分析， 讲解了数据挖掘技术在客户关 系管理中的应用。 关联规则是数据挖掘重要课题之一， 在现如今全球性的网络化、 信息化进程不断加快的时代中，我们需要
5、更加有用的信息来加强自身竞争力，特 别是在企业竞争中，客户满意度关乎企业长久生存，关联规则为我们提供有效信 息，减少了许多的曲折。 2 本课题相关研究方向 本课题开始主要研究关联规则数据挖掘算法，主要是关于 Apriori 算法的详细分 关联析，主要要使用到支持度、置信度、相关度这三个参数。其次是在实际的操 作中，关联规则的运用对于客户满意度的提升状况分析。最后通过运用关联规则 取得一系列数据之后分析得出关联规则对于客户满意度提升的重要性， 针对当前 普遍存在的问题进行改进，增加企业销售量，提高市场竞争力。 3 本课题相关研究进展情况 随着数据库技术的迅速发展以及数据库管理系统的广泛运用，人们
6、对于挖掘 数据背后隐藏的知识越来越重视， 目前数据挖掘使数据库技术进入了一个更高级 的阶段，它不仅能对过去的数据进行查询和遍历，并且能够找出过去数据之间的 潜在关系，从而促进信息的传递。对数据挖掘技术的关联分析的相关研究进展情 况。 数据挖掘与知识发现是人工智能、机器学习与数据库技术相结合的产物。机 器学习(MachineLearning)是用计算机模拟人类学习的一门科学，始于 60 年代末， 真正的发展是在 70 年代末。由于在专家系统开发中存在知识获取的“瓶颈”现 象，所以就用机器学习来完成知识的自动获取。1980 年，在美国召开了第一届 国际机器学习研讨会;1984 年机器学习杂志问世。我国很快跟上了国际步伐， 于 1987 年召开了第一届全国机器学习研讨会;1989 年成立了以中国科技大学蔡 庆生教授为理事长的理事会;1995 年在国防科技大学召开了第五届机器学习研讨 会。我国对数据库进行知识发现(KnowledgeDiscoveryinDatabase，KDD)是从 80 年代开始的。KDD 一词是在 1989 年 8 月于美国底特
