论文部分内容阅读
数据挖掘研究如何从大量的数据中智能地、自动地提取出有价值的知识和信息,是当前相当活跃的研究领域。近年来,电子商务大潮正在全球范围内急速地改变传统的商业模式。如何才能在电子商务竞争中取胜?能够提供客户资源及相关数据分析的客户关系管理系统就成为焦点,但是客户关系管理系统中庞大的数据量阻碍了我们从中发现有价值的客户模式,因此研究适用于客户关系管理的知识发现系统,从而合理地实现客户分类,具有十分重要的理论意义和实用价值。目前,在客户关系管理中使用的客户分类方法很多。但是,在客户关系管理中使用的基于粗糙集理论的客户分类方法却较少见,而利用粗糙集理论进行客户分类具有一定的优势,因此本文将在粗糙集理论的基础上,采用了一种基于粗糙集的客户分类方法。主要是以粗糙集理论为基础,首先从客户关系管理系统中获取数据,转化为相应的决策表,再对决策表中的数据进行决策表补齐、离散化,然后进行属性和值的约简,最后生成客户分类规则,建立逻辑推理系统,据此进行客户分类。由于在客户关系管理系统中的数据可能存在大量的不确定信息,而传统的粗糙集还不适用于不确定信息建模。为了解决这个问题,本文采用了可变精度粗糙集模型,并对传统粗糙集的一种属性约简算法作了改进,以适用于可变精度粗糙集模型,最后引入加权关联规则中的加权支持度和可信度来描述不确定性信息。通过对客户关系管理系统中获取的数据进行实验,本文实现了相应的客户分类功能,并获得了较好的效果,证实了本文采用的客户分类方法具有一定的实用价值。