论文部分内容阅读
摘要：通过对电力物资公司储位管理、关联规则进行简单阐述，用厦门某电力物资公司的实际销售数据（分材料产品、备品配件、机电产品等三类产品）进行关联规则分析，挖掘出了电力物资之间潜在的关联性，进而证明了关联规则在电力物资储位管理中应用的可能性和必要性。同时针对该分析结果提出一些储位管理建议，能够使公司的管理决策有据可依，从而提升企业决策的质量。
关键词：关联规则；储位管理；电力物资
作者简介：王普专（1985-），男，福建南安人，福建电力职业技术学院，讲师。（福建 泉州 362000）施密娜（1983-），女，福建泉州人，泉州医学高等专科学校实验中心，实验员。（福建 泉州 362013）
中图分类号：F272?????文献标识码：A?????文章编号：1007-0079（2012）33-0108-02
电力物资管理是电力物资公司根据电网企业的生产经营战略目标和主要任务统筹公司整个物资供应管理的全过程。电力物资公司的物资管理应做到按质、按量、及时、齐备、经济地将物资供应给需用单位，保证电力生产建设的顺利进行。而储位管理是仓储管理的一个重要组成部分，是影响拣货作业效率的主要因素。储位管理是指根据仓储的功能和货物的特性将仓库的储位合理安排，以便快捷地移动（存放和提取）货物，从而实现仓库货物移动时间的最优化并提高仓库容积利用率。但是，在实际操作中，电力物资公司在电力物资的仓储管理中往往仅凭借老员工的经验和主观感觉或者喜好对电力物资的储放位置进行感性安排。这样的决策常常会比较武断，难以达到对电力物资的科学管理。
由于电力物资产品的专业性强、品种多、规格杂、数量巨大，因此电力物资公司的销售数据相当庞大和复杂，简单地用肉眼或者是对往来交易单据进行查看很难发现其中的规则。但随着电力物资管理信息系统的引入，现在有条件对销售数据进行分析，从而挖掘这些销售数据当中是否隐含某些有价值的信息。例如：哪几种物资经常被购买；是否有几类物资经常一起被不同的客户购买。通过分析可以为优化电力物资的储位管理提供科学的依据。而关联规则的数据挖掘正是为挖掘出隐藏在数据间的相互关系常用的技术。本文试图在电力物资的储位优化管理中引入关联规则，从销售数据中发现高频项目集，并且找出这些高频项目集之间的联系，以帮助电力物资公司了解销售产品品类间的联系，优化物资储位和产品品类配置。
一、关联规则
1.关联规则的相关概念
关联规则的数据挖掘（Data Mining）就是从大量的、不完全的、有噪声的、模糊的、随机的数据中提取隐含在其中的、人们事先不知道但又是潜在有用的信息和知识的过程，从而促进信息的显化。关联规则经常被用来解决这样的问题：到底有哪些商品经常一起被购买？一起购买的概率有多大？
（1）项目集：每一个客户购买的商品或商品集合称为一组项目或一个项目集。具体体现在电力物资的销售数据里面是每一个单据号包含的出库商品。
（2）频繁项集：对一个项目集X，如果X出现的频次不小于用户定义的最小频次，称X为频繁项目集；反之，称X为非频繁项目集。
（3）非频繁项集：不是频繁项集的项目集。
（4）项目集的支持度：表示在所有的交易中同时包含关联规则左右两边物品的交易次数百分比，即支持这个规则的销售数据的次数百分比。
（5）项目集的置信度：是指在所有购买了电力物资A的交易中，同时又购买了电力物资B的交易概率，是一个条件概率。
其中，项目集的支持度和置信度是关联规则里两个很重要的阈值，可以用来衡量该关联规则的有效性和可信度。
2.关联规则数据挖掘的一般步骤
较为常用的关联规则挖掘方法有美国学者R.Agrawal提出的Apriori算法和GRI算法。本文采用的是Apriori算法。
关联规则的数据挖掘通常采用的基本步骤是：生成频繁项目集，主要是找出满足最小支持度阈值的项集；生成规则，主要目的是从第一步产生的频繁项目集中提取所有高于指定置信度的规则。
二、关联规则在电力物资公司储位管理中的应用案例
1.案例介绍
本案例的数据来源于厦门某电力物资公司。该公司是一家从事机电设备及工程其他服务项目的委托招标，送变电、配电工程电力器材及配套设备的销售，仓储管理和电力技术咨询业务。该公司共有6个仓库，不同类型的电力物资存放在不同的仓库，并且同一个仓库里只存放一类电力物资。例如：机电产品存放在同一个仓库里，且该仓库里只存放机电产品。
数据采集范围为该公司自2009年8月3日至2010年9月17日的实际销售出库数据，共涉及到单据号（一个单据号表示一次交易）12336个，其中涉及物资种类1521种。通过对该销售出库数据的简单处理，使其符合SPSS clementine分析的格式需要。
2.数据采集
本案例中使用的数据直接从厦门某电力物资公司物资管理信息系统（自2009年8月3日到2010年9月17日）的实际销售出库数据导出。该数据含有单据号、出库时间、货品编码、品名、规格、基本单位、基本单位数量等信息。
3.数据整理
本例中对数据的整理主要包括：数据格式及结构布局的处理；提取出库频次较高的前255种物资。由于从该公司中导出的数据格式并不符合并SPSS Clementine软件的要求，因此需要进行数据格式更改。另外，该出库数据异常庞大，且涉及的物资种类较多而繁杂，出于ABC分类管理思想、提高应用价值以及分析效率的考虑，有必要对物资的出库频次进行排列，只对出库频次较高的物资进行分析。
4.数据分析
本研究中关联规则数据挖掘工具为现今研究关联规则中最具代表性的方法，即采用SPSS公司SPSS Clementine产品的Apriori模型。
（1）对备品配件的分析。将最小支持度设置为1%，即同时购买物资A和物资B的概率要大于1%。最小置信度设置为85%，即客户购买物资A的前提下，购买物资B的概率要大于85%。最大前项设置为默认值5。部分分析结果如表1所示。 表1 备品配件中支持度设置为1%、置信度设置为85%的分析结果
后项 前项 支持度（%） 置信度
UT线夹 NX型楔型线夹、Z型挂板 1.373 100.0
角铁担（横担）变压器台架用 花纹钢板（变压器台架用 ）、槽钢担（变压器台架用） 1.001 100.0
UT线夹 NX型楔型线夹、弹射芯、Z型挂板 1.107 100.0
UT线夹 NX型楔型线夹；Z型挂板；Q、QP型球头挂环 1.341 100.0
Q、QP型球头挂环 安普楔形线夹（600411）、弹射芯、W型球头挂板 1.65 100.0
Q、QP型球头挂环 绝缘耐张线夹、弹射芯、W型球头挂板 2.193 100.0
Q、QP型球头挂环 W型球头挂板、Z型挂板 3.725 96.0
Z型挂板 绝缘耐张线夹；Q、QP型球头挂环 3.012 93.64
W型球头挂板 绝缘耐张线夹；Q、QP型球头挂环 3.012 90.459
设备抱箍（K型） 支铁抱箍 3.928 85.637
从以上分析结果的置信度可以看出，该公司在售的电力物资之间确实有存在较强的潜在的关联。例如：购买了花纹钢板（变压器台架用）和槽钢担（变压器台架用）的客户，肯定同时也购买了角铁担（横担）变压器台架用；在购买了Z型挂板和W型球头挂板的客户中，有96%的客户同时也购买了Q、QP型球头挂环。
（2）对材料产品的分析。由于材料产品的出库频次较低，因此对材料产品的关联规则分析要设置较低的支持度。本次分析中将最小支持度设置为0.1%，即同时购买物资A和物资B的概率要大于0.1%。最小置信度设置为90%，即客户购买物资A的前提下，购买物资B的概率要大于90%。最大前项设置为默认值5。部分分析结果如表2所示。
表2 材料产品中支持度设置为0.1%、置信度设置为90%的分析结果
后项 前项 支持度（%） 置信度
型号为JKLYJ-1KV/1*120铝芯交联架空导线 JKLYJ-1KV/1*35铝芯交联架空导线
型号为JKLYJ-1KV/1*95的铝芯交联架空导线 0.128 100.0
单股铜塑线BV-2 单股铜塑线BV-35
镀铝合金镀层钢绞线GJ-70 0.117 100.0
单股铜塑线BV-25 单股铜塑线BV-50
镀铝合金镀层钢绞线GJ-50 0.106 100.0
型号为JKLYJ-1KV/1*120铝芯交联架空导线 型号为JKLYJ-1KV/1*70的铝芯交联架空导线
型号为JKLYJ-1KV/1*95的铝芯交联架空导线 0.138 92.308
型号为JKLYJ-1KV/1*95的铝芯交联架空导线 钢芯铝绞线
型号为JKLYJ-1KV/1*95的铝芯交联架空导线 0.128 91.667
从以上分析结果可以看出，该公司在售的材料产品类电力物资之间存在潜在的关联。例如：购买了型号为JKLYJ-1KV/1*35的铝芯交联架空导线和型号为JKLYJ-1KV/1*95的铝芯交联架空导线的客户同时也购买了型号为JKLYJ-1KV/1*120的铝芯交联架空导线；在购买了型号为BV-35的单股铜塑线和型号为GJ-70的镀铝合金镀层钢绞线的客户同时也购买了型号为BV-2的单股铜塑线。
（3）对机电产品的分析。由于机电产品普遍较为大，且价格较高，出库频次处于中等水平。因此对材料产品的关联规则分析要设置较低的支持度和置信度。本次分析中将最小支持度设置为0.1%，即同时购买物资A和物资B的概率要大于0.1%。最小置信度设置为50%，即客户购买物资A的前提下，购买物资B的概率要大于50%。最大前项设置为默认值5。部分分析结果如表3所示。
表3 机电产品中支持度设置为0.1%、置信度设置为50%的分析结果
后项 前项 支持度（%） 置信度
GCK抽屉开关柜 KYN开关柜 0.852 70.0
GCK抽屉开关柜 SCB10干式电力变压器 0.298 53.571
KYN开关柜 SCB10干式电力变压器
GCK抽屉开关柜 0.16 53.333
KYN开关柜 GCK抽屉开关柜 1.15 51.852
HXGN环网柜 GGD2固定开关柜 0.436 51.22
从以上分析结果可以看出，该公司在售的机电产品类电力物资之间存在潜在的关联。例如：购买了KYN开关柜的客户中有70%的客户同时也购买了GCK抽屉开关柜；购买了GGD2固定开关柜的客户中有51.22%的客户同时也购买了HXGN环网柜。
5.结论
以上分析结果可以清晰地看出，物资公司中很多电力物资之间存在着较为紧密的关联性。同时该分析结果对于电力物资公司的物资储位管理、库存管理、进货管理等方面都有一定的指导意义。对于备品配件物资，在优化储位管理时可以将Z型挂板、W型球头挂板和QP型球头挂环就近摆放，也可以将花纹钢板（变压器台架用）、槽钢担（变压器台架用）和角铁担（横担）变压器台架用的电力物资摆放在尽量靠近的储位。对于材料产品，在优化储位管理时，可以将型号为JKLYJ-1KV/1*35 的铝芯交联架空导线、型号为JKLYJ-1KV/1*95的铝芯交联架空导线和型号为JKLYJ-1KV/1*120的铝芯交联架空导线就近摆放，也可以将型号为BV-35的单股铜塑线和型号为GJ-70的镀铝合金镀层钢绞线摆放在尽量靠近的储位。对于机电产品，在优化储位管理时可以将KYN开关柜、GCK抽屉开关柜存放在尽量靠近的同一个区域里，以提高仓库管理员的拣货效率，减轻工作量。另外，物资公司在进货及库存管理上也应该注意以上几种物资数量的协调，从而更好地满足顾客。
三、结语
利用关联规则对电力物资的销售数据进行分析是一种科学的决策方式，在一定程度上可以避免主观判断或经验决策中的一些先天不足。本论文通过一定的数据分析挖掘出了隐藏在电力物资公司销售数据里的潜在关联，能够为企业和组织管理决策时提供切实可靠的依据。随着电力物资公司建立科学合理、一流高效的物资供应体系要求的不断提升，数据挖掘技术在电力物资管理领域必然发挥越来越大的作用，而电力物资公司也会因为数据挖掘技术的应用而大大提升自身的竞争力。
参考文献：
[1]中国人民大学统计学系数据挖掘中心.关联规则挖掘概述[J].统计与信息论坛，2002，（5）.
[2]毛国君，段立娟，王实，等.数据挖掘原理与算法[M].北京：清华大学出版社，2005.
[3]吴洪波，赵谦.关联规则在大型超市中的应用[J].哈尔滨理工大学学报，2008，13（2）：128-130.
[4]窦延平.关于数据挖掘中关联规则挖掘算法的研究及其应用[D].上海：上海交通大学，2003.
[5]林宇.数据仓库原理与实践[M].北京：人民邮电出版社，2003：52-53.
[6]余建英.数据统计分析与SPSS应用[M].北京：人民邮电出版社，2003.
[7]刘俐.现代仓储运作与管理[M].北京：北京大学出版社，2004.
（责任编辑：王祝萍）
关键词：关联规则；储位管理；电力物资
作者简介：王普专（1985-），男，福建南安人，福建电力职业技术学院，讲师。（福建 泉州 362000）施密娜（1983-），女，福建泉州人，泉州医学高等专科学校实验中心，实验员。（福建 泉州 362013）
中图分类号：F272?????文献标识码：A?????文章编号：1007-0079（2012）33-0108-02
电力物资管理是电力物资公司根据电网企业的生产经营战略目标和主要任务统筹公司整个物资供应管理的全过程。电力物资公司的物资管理应做到按质、按量、及时、齐备、经济地将物资供应给需用单位，保证电力生产建设的顺利进行。而储位管理是仓储管理的一个重要组成部分，是影响拣货作业效率的主要因素。储位管理是指根据仓储的功能和货物的特性将仓库的储位合理安排，以便快捷地移动（存放和提取）货物，从而实现仓库货物移动时间的最优化并提高仓库容积利用率。但是，在实际操作中，电力物资公司在电力物资的仓储管理中往往仅凭借老员工的经验和主观感觉或者喜好对电力物资的储放位置进行感性安排。这样的决策常常会比较武断，难以达到对电力物资的科学管理。
由于电力物资产品的专业性强、品种多、规格杂、数量巨大，因此电力物资公司的销售数据相当庞大和复杂，简单地用肉眼或者是对往来交易单据进行查看很难发现其中的规则。但随着电力物资管理信息系统的引入，现在有条件对销售数据进行分析，从而挖掘这些销售数据当中是否隐含某些有价值的信息。例如：哪几种物资经常被购买；是否有几类物资经常一起被不同的客户购买。通过分析可以为优化电力物资的储位管理提供科学的依据。而关联规则的数据挖掘正是为挖掘出隐藏在数据间的相互关系常用的技术。本文试图在电力物资的储位优化管理中引入关联规则，从销售数据中发现高频项目集，并且找出这些高频项目集之间的联系，以帮助电力物资公司了解销售产品品类间的联系，优化物资储位和产品品类配置。
一、关联规则
1.关联规则的相关概念
关联规则的数据挖掘（Data Mining）就是从大量的、不完全的、有噪声的、模糊的、随机的数据中提取隐含在其中的、人们事先不知道但又是潜在有用的信息和知识的过程，从而促进信息的显化。关联规则经常被用来解决这样的问题：到底有哪些商品经常一起被购买？一起购买的概率有多大？
（1）项目集：每一个客户购买的商品或商品集合称为一组项目或一个项目集。具体体现在电力物资的销售数据里面是每一个单据号包含的出库商品。
（2）频繁项集：对一个项目集X，如果X出现的频次不小于用户定义的最小频次，称X为频繁项目集；反之，称X为非频繁项目集。
（3）非频繁项集：不是频繁项集的项目集。
（4）项目集的支持度：表示在所有的交易中同时包含关联规则左右两边物品的交易次数百分比，即支持这个规则的销售数据的次数百分比。
（5）项目集的置信度：是指在所有购买了电力物资A的交易中，同时又购买了电力物资B的交易概率，是一个条件概率。
其中，项目集的支持度和置信度是关联规则里两个很重要的阈值，可以用来衡量该关联规则的有效性和可信度。
2.关联规则数据挖掘的一般步骤
较为常用的关联规则挖掘方法有美国学者R.Agrawal提出的Apriori算法和GRI算法。本文采用的是Apriori算法。
关联规则的数据挖掘通常采用的基本步骤是：生成频繁项目集，主要是找出满足最小支持度阈值的项集；生成规则，主要目的是从第一步产生的频繁项目集中提取所有高于指定置信度的规则。
二、关联规则在电力物资公司储位管理中的应用案例
1.案例介绍
本案例的数据来源于厦门某电力物资公司。该公司是一家从事机电设备及工程其他服务项目的委托招标，送变电、配电工程电力器材及配套设备的销售，仓储管理和电力技术咨询业务。该公司共有6个仓库，不同类型的电力物资存放在不同的仓库，并且同一个仓库里只存放一类电力物资。例如：机电产品存放在同一个仓库里，且该仓库里只存放机电产品。
数据采集范围为该公司自2009年8月3日至2010年9月17日的实际销售出库数据，共涉及到单据号（一个单据号表示一次交易）12336个，其中涉及物资种类1521种。通过对该销售出库数据的简单处理，使其符合SPSS clementine分析的格式需要。
2.数据采集
本案例中使用的数据直接从厦门某电力物资公司物资管理信息系统（自2009年8月3日到2010年9月17日）的实际销售出库数据导出。该数据含有单据号、出库时间、货品编码、品名、规格、基本单位、基本单位数量等信息。
3.数据整理
本例中对数据的整理主要包括：数据格式及结构布局的处理；提取出库频次较高的前255种物资。由于从该公司中导出的数据格式并不符合并SPSS Clementine软件的要求，因此需要进行数据格式更改。另外，该出库数据异常庞大，且涉及的物资种类较多而繁杂，出于ABC分类管理思想、提高应用价值以及分析效率的考虑，有必要对物资的出库频次进行排列，只对出库频次较高的物资进行分析。
4.数据分析
本研究中关联规则数据挖掘工具为现今研究关联规则中最具代表性的方法，即采用SPSS公司SPSS Clementine产品的Apriori模型。
（1）对备品配件的分析。将最小支持度设置为1%，即同时购买物资A和物资B的概率要大于1%。最小置信度设置为85%，即客户购买物资A的前提下，购买物资B的概率要大于85%。最大前项设置为默认值5。部分分析结果如表1所示。 表1 备品配件中支持度设置为1%、置信度设置为85%的分析结果
后项 前项 支持度（%） 置信度
UT线夹 NX型楔型线夹、Z型挂板 1.373 100.0
角铁担（横担）变压器台架用 花纹钢板（变压器台架用 ）、槽钢担（变压器台架用） 1.001 100.0
UT线夹 NX型楔型线夹、弹射芯、Z型挂板 1.107 100.0
UT线夹 NX型楔型线夹；Z型挂板；Q、QP型球头挂环 1.341 100.0
Q、QP型球头挂环 安普楔形线夹（600411）、弹射芯、W型球头挂板 1.65 100.0
Q、QP型球头挂环 绝缘耐张线夹、弹射芯、W型球头挂板 2.193 100.0
Q、QP型球头挂环 W型球头挂板、Z型挂板 3.725 96.0
Z型挂板 绝缘耐张线夹；Q、QP型球头挂环 3.012 93.64
W型球头挂板 绝缘耐张线夹；Q、QP型球头挂环 3.012 90.459
设备抱箍（K型） 支铁抱箍 3.928 85.637
从以上分析结果的置信度可以看出，该公司在售的电力物资之间确实有存在较强的潜在的关联。例如：购买了花纹钢板（变压器台架用）和槽钢担（变压器台架用）的客户，肯定同时也购买了角铁担（横担）变压器台架用；在购买了Z型挂板和W型球头挂板的客户中，有96%的客户同时也购买了Q、QP型球头挂环。
（2）对材料产品的分析。由于材料产品的出库频次较低，因此对材料产品的关联规则分析要设置较低的支持度。本次分析中将最小支持度设置为0.1%，即同时购买物资A和物资B的概率要大于0.1%。最小置信度设置为90%，即客户购买物资A的前提下，购买物资B的概率要大于90%。最大前项设置为默认值5。部分分析结果如表2所示。
表2 材料产品中支持度设置为0.1%、置信度设置为90%的分析结果
后项 前项 支持度（%） 置信度
型号为JKLYJ-1KV/1*120铝芯交联架空导线 JKLYJ-1KV/1*35铝芯交联架空导线
型号为JKLYJ-1KV/1*95的铝芯交联架空导线 0.128 100.0
单股铜塑线BV-2 单股铜塑线BV-35
镀铝合金镀层钢绞线GJ-70 0.117 100.0
单股铜塑线BV-25 单股铜塑线BV-50
镀铝合金镀层钢绞线GJ-50 0.106 100.0
型号为JKLYJ-1KV/1*120铝芯交联架空导线 型号为JKLYJ-1KV/1*70的铝芯交联架空导线
型号为JKLYJ-1KV/1*95的铝芯交联架空导线 0.138 92.308
型号为JKLYJ-1KV/1*95的铝芯交联架空导线 钢芯铝绞线
型号为JKLYJ-1KV/1*95的铝芯交联架空导线 0.128 91.667
从以上分析结果可以看出，该公司在售的材料产品类电力物资之间存在潜在的关联。例如：购买了型号为JKLYJ-1KV/1*35的铝芯交联架空导线和型号为JKLYJ-1KV/1*95的铝芯交联架空导线的客户同时也购买了型号为JKLYJ-1KV/1*120的铝芯交联架空导线；在购买了型号为BV-35的单股铜塑线和型号为GJ-70的镀铝合金镀层钢绞线的客户同时也购买了型号为BV-2的单股铜塑线。
（3）对机电产品的分析。由于机电产品普遍较为大，且价格较高，出库频次处于中等水平。因此对材料产品的关联规则分析要设置较低的支持度和置信度。本次分析中将最小支持度设置为0.1%，即同时购买物资A和物资B的概率要大于0.1%。最小置信度设置为50%，即客户购买物资A的前提下，购买物资B的概率要大于50%。最大前项设置为默认值5。部分分析结果如表3所示。
表3 机电产品中支持度设置为0.1%、置信度设置为50%的分析结果
后项 前项 支持度（%） 置信度
GCK抽屉开关柜 KYN开关柜 0.852 70.0
GCK抽屉开关柜 SCB10干式电力变压器 0.298 53.571
KYN开关柜 SCB10干式电力变压器
GCK抽屉开关柜 0.16 53.333
KYN开关柜 GCK抽屉开关柜 1.15 51.852
HXGN环网柜 GGD2固定开关柜 0.436 51.22
从以上分析结果可以看出，该公司在售的机电产品类电力物资之间存在潜在的关联。例如：购买了KYN开关柜的客户中有70%的客户同时也购买了GCK抽屉开关柜；购买了GGD2固定开关柜的客户中有51.22%的客户同时也购买了HXGN环网柜。
5.结论
以上分析结果可以清晰地看出，物资公司中很多电力物资之间存在着较为紧密的关联性。同时该分析结果对于电力物资公司的物资储位管理、库存管理、进货管理等方面都有一定的指导意义。对于备品配件物资，在优化储位管理时可以将Z型挂板、W型球头挂板和QP型球头挂环就近摆放，也可以将花纹钢板（变压器台架用）、槽钢担（变压器台架用）和角铁担（横担）变压器台架用的电力物资摆放在尽量靠近的储位。对于材料产品，在优化储位管理时，可以将型号为JKLYJ-1KV/1*35 的铝芯交联架空导线、型号为JKLYJ-1KV/1*95的铝芯交联架空导线和型号为JKLYJ-1KV/1*120的铝芯交联架空导线就近摆放，也可以将型号为BV-35的单股铜塑线和型号为GJ-70的镀铝合金镀层钢绞线摆放在尽量靠近的储位。对于机电产品，在优化储位管理时可以将KYN开关柜、GCK抽屉开关柜存放在尽量靠近的同一个区域里，以提高仓库管理员的拣货效率，减轻工作量。另外，物资公司在进货及库存管理上也应该注意以上几种物资数量的协调，从而更好地满足顾客。
三、结语
利用关联规则对电力物资的销售数据进行分析是一种科学的决策方式，在一定程度上可以避免主观判断或经验决策中的一些先天不足。本论文通过一定的数据分析挖掘出了隐藏在电力物资公司销售数据里的潜在关联，能够为企业和组织管理决策时提供切实可靠的依据。随着电力物资公司建立科学合理、一流高效的物资供应体系要求的不断提升，数据挖掘技术在电力物资管理领域必然发挥越来越大的作用，而电力物资公司也会因为数据挖掘技术的应用而大大提升自身的竞争力。
参考文献：
[1]中国人民大学统计学系数据挖掘中心.关联规则挖掘概述[J].统计与信息论坛，2002，（5）.
[2]毛国君，段立娟，王实，等.数据挖掘原理与算法[M].北京：清华大学出版社，2005.
[3]吴洪波，赵谦.关联规则在大型超市中的应用[J].哈尔滨理工大学学报，2008，13（2）：128-130.
[4]窦延平.关于数据挖掘中关联规则挖掘算法的研究及其应用[D].上海：上海交通大学，2003.
[5]林宇.数据仓库原理与实践[M].北京：人民邮电出版社，2003：52-53.
[6]余建英.数据统计分析与SPSS应用[M].北京：人民邮电出版社，2003.
[7]刘俐.现代仓储运作与管理[M].北京：北京大学出版社，2004.
（责任编辑：王祝萍）