استخراج قوانین وابستگی از رفتار خرید مشتریان با استفاده از الگوریتم ژنتیک

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,019

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

RSTCONF01_630

تاریخ نمایه سازی: 30 آبان 1394

چکیده مقاله:

با استفاده از داده کاوی می توان از بین حجم زیادی از داده های ذخیره شده در پایگاه های داده اطلاعات مفیدی بدست آورد.روش های زیادی برای این کار طراحی شده است ; قوانین وابستگی 1 یکی از این روشها است. با استفاده از این روش می توان الگوهای پنهان و جالب بین داده ها را شناسایی کرد. الگوریتم ژنتیک یکی از روشهای اکتشافی برای استخراج قوانین وابستگی است. با استفادهاز این الگوریتم می توان در بین تراکنش های یک پایگاه داده، بازه های عددی مرتبط با یکدیگر را استخراج و بر اساس آنها قانون تعریف کرد. هدف از این مقاله، استخراج الگوهایی از رفتار خرید مشتریان یک فروشگاه مواد غذایی در کشور پرتغال است. الگوهای استخراج شده شامل بازه های عددی مربوط به مبالغ خرید هر کدام از های اقلام این فروشگاه است. نتایج نشان داده است که تعدادقانون های استخراج شده توسط الگوریتم ژنتیک در مقایسه با الگوریتم Apriori ، به عنوان الگوریتم پایه برای استخراج قوانینوابستگی، بسیار بیشتر و از تنوع بالاتری برخوردار بوده است.

نویسندگان

مهدی قرمزکن

دانشجوی کارشناسی ارشد، کارشناسی ارشد کامپیوتر- نرم افزار، کامپیوتر، دانشگاه آزاد اسلامی واحد جاسب

سیدجلال الدین موسوی راد

دانشجوی دکترا، دکترای کامپیوتر- هوش مصنوعی، کامپیوتر، دانشگاه کاشان

محمد قرمزکن

کارشناسی ارشد، کارشناسی ارشد کامپیوتر- معماری سیستم، کامپیوتر، دانشگاه آزاد اسلامی واحد دزفول

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Amy H.L. Lim. a, Lee. Chien-Sing, Raman. Murali. (2012). Hybrid ...
  • Bettahally. N, Ke shavamurthy , M. Khan.Asad, Toshniwal .Durga. (2013). ...
  • Ghosh. Ashish, Nath. Bhabesh. (2004). Multi-obj ective rule mining using ...
  • Han, Jiawei. (2004). Mining Frequent Patterns without Candidate Generation: A ...
  • Minaei-B idgoli.B , Barmaki.R, Nasiri. M.(20 13).Mining numerical association rules ...
  • Raghav .Pradeep Singh, Singh .Nikhil, Thakur .Satendra Singh, Jain.Priyank.(2 _ ...
  • _ Rana. Mrinalini, Mann. P.S.(2013). Association Rule Mining With Multi-Fitnes ...
  • Salleb.Ansaf, Vrain. Christel, Nortet. Cyril.(20 _ 7).QuantMiner: A Genetic Algorithm ...
  • Saggar. Manish, Agrawal .Ashish Kumar, Lad .Abhimanyu. (2004). Optimization of ...
  • 1] S hrivas tava, Virendra Kumar, Parveen Kumar, Pardasani K. ...
  • Tong.Qiang, Yan.Baoping, Zhou .Yuanchun.(20 05). Mining Quantitative Association Rules on ...
  • UCI Repository of Machine Learning Databases.(20 14).Wholesale Customers Dataset, .https ...
  • Yan.Xiaowei, Zhang, Chengqi. Zhang , Shichao. (2 _ 08). Genetic ...
  • نمایش کامل مراجع