Abstract
資料探勘泛指各式各樣從大量資料裡歸納出規則的方法。一個典型的問題便是針對像超級市場的交易資料庫，也就是以提籃為單位記錄的商品消費資料，討論如何從中發掘出隱含的顧客購買習慣。例如市場經理若能知悉在整個資料庫中買啤酒的客人常會連帶買滷味、花生米之類的規則，便可依此規則計畫這些東西的銷售策略以刺激消費。在本文中我們利用對於商品種類的認識來重新討論這個問題。首先決定好要劃分的商品種類數目之後，便能把每一個商品歸屬到唯一的類別。至於一個提籃的種類則由其中包含的商品類別來決定。此處提出兩種模型來定義一個提籃的種類。我們把各個種類的提籃從整個資料庫中抽取出來分別討論，採用某個商品在某類提籃中出現的比例作為認定該商品在該類提籃中是否顯著的依據，放寬了傳統方法於評定一個顯著的商品時必須佔有整個資料庫一定比例的限制。同時我們也考慮到在將不同種類的提籃分開討論的情形下決定一條規則是否成立的條件。我們的架構和傳統問題最大的不同在於能夠更加強調出顧客對於同一種類之內，以及不同種類之間商品的購買習慣，因此可以提供更多的資訊來作分析。對於第一種模型我們提出了兩個演算法，並且採用模擬的交易資料庫來比較這兩種方法的執行效率；對於第二種模型也舉例說明如何修改傳統的方法來解決我們提出的問題。In this thesis, we use the knowledge about the sorts of itemsand transactions to discover association rules among items in amarket transaction database. It is natural to divide items intosorts: milk and bread belong to the sort of food while glovesand hats pertain to the sort of clothing. We sort eachtransaction according to the sorts of items contained by thistransaction. Then each sort of transactions will form a subsetof the entire database. To discover the association rules withinand between these subsets, two kinds of support-constraintmodels with the corresponding algorithms are proposed. We claimthat such models not only enrich the semantics of rules comparedwith the inceptive work but also emphasize the customer buyingpatterns for both intra-sort and inter-sort merchandise. Theconstraint needed when generating rules based on sorts of itemsis also discussed. The experiments evaluate the performance ofthese algorithms on synthetical databases of different inter-sort patterns.