【出 处】：《 计算机仿真 》 CSCD 2013年第30卷第10期 399-402页,共4页

【作 者】： 邹璇 ; 熊婷

【摘 要】 当前的电商零售数据受到很多因素的影响，其内在联系属性被众多不相干非销售数据属性干扰。销售数据的关联规则很难被无差错的找到，传统的关联挖掘算法会陷人到海量的数据联系中，形成很多无用联系，造成挖掘耗时，效率较低。提出一种多维cube的海量零售关键数据挖掘模型。依据频繁项目集的性质，按照概率估算方法，将扫描的待定项目集进行选择性评估；在频繁项集的时候，根据评估的概率按照候选项目集的依赖关系进行筛检，并结合最小支持度与最小可信度的阈值产生频繁项集，进一步产生关联规则。以某电子商务网站中的销售数据和客户访问数据仿真结果表明：改进算法具有较好的访问速度，验证了算法的有效性。