We propose a new approach to performing market basket analysis in a multiple-store and multiple-period environment. In using the method, the user first defines a time concept hierarchy and a place (location) hierarchy, according to his or her application and needs. A set of contexts is systematically derived from the two hierarchies by combining the concept levels of the two hierarchies. We developed an efficient algorithm for extracting the association rules, which meet the support and confidence requirements for all the contexts. Using the approach, a decision maker can analyze purchasing patterns at very detailed concept levels of time and place, such as a combination of days and stores, at more general levels, such as a combination of quarters and states, and combinations of detailed levels of one with general level of the other, such as a combination of days and regions. In addition to this flexibility, the association rules are well organized, because they are generated according to the contexts derived from the time and place hierarchies. A numerical evaluation shows that the algorithm is efficient in running time and may generate more specific and richer information than the store-chain rules and the traditional rules

چکیده

در این مقاله قصد داریم روش جدیدی را برای تحلیل سبد بازار در یک محیط چند فروشگاهی و چند دوره ای ارائه دهیم. یک کاربر برای استفاده از این متد، بر اساس نیازمندی ها و کاربردش، در ابتدا اقدام به تعریف یک سلسله مراتب مفهوم زمانی و یک سلسله مراتب مکانی می کند. یک مجموعه از موضوعات (کانتکس) نیز به صورت سامانمند از طریق این دو سلسله مراتب بدست می آید، بدین شکل که سطوح مفهوم در هر دو سلسله مراتب با هم ترکیب می شوند. یک الگوریتم کارآمد را برای استخراج قواعد انجمنی را توسعه دادیم که می تواند نیازمندی های اعتماد را برای همه موضوعات ارضا نماید. یک تصمیم گیر با بکار گیری این روش می تواند به تحلیل الگوهای خرید در سطوح کاملی از مفاهیم زمان و مکان بپردازد؛ برای مثال وی می تواند تصمیم های خود را در سطح ترکیبی از روزها و فروشگاه ها، در سطوح کلی تر مانند ترکیبی از فصل ها و ایالت ها، و ترکیبی از سطوح مختلف با یکدیگر، مثلاً ترکیب روزها و منطقه ها انجام دهد. علاوه بر این انعطاف پذیری، قواعد انجمنیِ خوبی را نیز سازماندهی کرده ایم چرا که این قواعد، بر اساس موضوعاتی که از سلسله مراتب زمان و مکان بدست آمده است ایجاد می شود. ارزیابی های عددی نشان می دهد که این الگوریتم از نظر زمان اجرا کارآمد بوده و ممکن است بتواند اطلاعات غنی تری را نسبت به قواعد فروشگاه- زنجیره ای و فروشگاه های متعارف ایجاد نماید.

1-مقدمه

تحلیل سبد بازار (که به عنوان کاوش قواعد انجمنی نیز شناخته می شود)، یک روش داده کاوی بوده که به بررسی یک پایگاه داده بزرگ تراکنشی می پردازد تا بتواند مشخص نماید که کدام یک از آیتم ها به کرار خریداری می شود. از زمان معرفی تحلیل سبد بازار توسط آقایان آچراوال، لیمنیسکی و اسوامی [1]، تحقیقات زیادی در این خصوص صورت گرفته و یک حوزه تحقیقاتی عمده نیز در همین راستا توسعه یافته‌ است. بازبینی های مختصری نیز توسط آقایان چن، هان و یو [5] و هان و کامبر [8] در این راستا صورت گرفته است...