基于客户交易数据的购买树谱聚类算法研究

发布时间：2021-05-21 09:06

　　大数据时代网络的高速发展使市场经济呈现白炽化的竞争状态,新一代的消费者对服务的要求也更细致,如何制定高效的营销策略成为各个公司需要思考的问题。虽然今天有很多方法可用于客户细分,但其中大多数强调数值计算而不是商业目标。客户交易数据是零售公司的销售数据,累积成客户日常购物交易的大数据。为了使这些客户历史数据产生营销价值,使用聚类的方式对其进行处理。客户交易数据是零售公司记录客户购买数据的集合。早期的统计学变量收集便捷易于使用,所以成为最初的研究方式。随着客户购买交易数据的迅速增加,新的研究转向使用特定的产品变量,如购买的商品。尽管已经有一些数据聚类的方法,但这些方法耗时并且无法处理大量的事务记录。大多数工作采用层次聚类算法,不能扩展到大规模交易数据。PurTreeClust聚类算法使用购买树结构对客户交易大数据进行聚类,但是还存在以下两个问题,首先在购买树距离上调整层次权重是困难的,其次没有对聚类性能进行优化。本文提出两个新方法解决PurTreeClust存在的问题:第一,本文针对难以调整购买树层次权重的问题,提出一种局部的购买树谱聚类方法Local PurTree Spectral Cl... 

【文章来源】：深圳大学广东省

【文章页数】：60 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景和意义
    1.2 国内外研究现状
    1.3 本文的主要研究内容
    1.4 本文的组织结构
第2章 基于传统的购买树谱聚类算法理论
    2.1 商品树和购买树概念
    2.2 购买树距离(PurTreemetricdistance)
    2.3 购买树的索引结构CoverTree的概念
    2.4 传统的PurTreeClust算法
    2.5 本章小结
第3章 局部购买树的谱聚类方法(LPS)
    3.1 LPS目标函数
    3.2 LPS优化算法
        3.2.1 参数F的优化
        3.2.2 参数P的优化
        3.2.3 参数w的优化
        3.2.4 计算λ的缺省值
        3.2.5 计算η的缺省值
        3.2.6 LPS优化算法伪代码
    3.3 实验结果与分析
        3.3.1 基准数据集和评估方法
        3.3.2 LPS参数敏感性研究和权重分析
        3.3.3 LPS对比实验结果
    3.4 本章小结
第4章 双层子空间谱聚类方法(TSW)
    4.1 TSW目标函数
    4.2 TWS优化算法
        4.2.1 固定P,a和w更新F
        4.2.2 固定F,a和w更新P
        4.2.3 固定P,F和w更新a
        4.2.4 固定P,F和a更新w
        4.2.5 计算λ的缺省值
        4.2.6 TSW优化算法伪代码
    4.3 实验结果与分析
        4.3.1 基准数据集和评估方法
        4.3.2 参数敏感性研究
        4.3.3 权重分析
        4.3.4 TSW对比实验结果
    4.4 本章小结
第5章 总结与展望
    5.1 总结
    5.2 展望
参考文献
致谢
攻读硕士学位期间的研究成果


【参考文献】：
期刊论文
[1]谱聚类算法综述[J]. 蔡晓妍,戴冠中,杨黎斌.  计算机科学. 2008(07)

博士论文
[1]面向大规模数据集的谱聚类方法研究[D]. 陈丽敏.哈尔滨工程大学 2015



本文编号：3199438