江霞

摘要：數(shù)據(jù)挖掘技術在網上書店系統(tǒng)中起著重要作用，使用數(shù)據(jù)挖掘技術分析訂單數(shù)據(jù)，通過關聯(lián)規(guī)則挖掘得到相同種類圖書之間和不同種類圖書之間的關聯(lián)關系，根據(jù)分析結果可以在客戶下訂單時，為客戶推薦相關書籍，從而增加銷售額。該文介紹網上書店訂單數(shù)據(jù)關聯(lián)分析的過程和結果。

關鍵詞：數(shù)據(jù)挖掘；關聯(lián)規(guī)則；網上書店；商品推薦

中圖分類號：TP311 文獻標識碼：A 文章編號：1009-3044（2014）36-8597-02

網上書店以其圖書數(shù)量大、品種多、檢索方便、價格相對便宜、突破了時間和空間的限制等優(yōu)勢吸引了讀者，圖書購買的需求已是網上書店讀者的首要需求。為了能夠充分滿足以及了解使用者的需求，開發(fā)一套網上書店管理信息系統(tǒng)是必要的。從商務網站系統(tǒng)中得到的大量數(shù)據(jù)用數(shù)據(jù)庫保存起來，在競爭日益激烈的知識經濟環(huán)境下，數(shù)據(jù)庫不再只是用于查詢、輸出報表等一般的用途，還要在眾多的數(shù)據(jù)中挖掘出有用的知識以便作為決策支持。

1 數(shù)據(jù)挖掘在網上書店的應用

數(shù)據(jù)挖掘（Data Mining）就是從大量的、不完全的、有噪聲的、模糊的、隨機的實際應用數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程。它綜合利用了統(tǒng)計學、模式識別、人工智能、機器學習、神經網絡等學科的知識，從大量信息中提取有用的模式和規(guī)律，以輔助決策。

考察書店中涉及許多交易的事務：事務 1 中出現(xiàn)了書甲，事務 2 中出現(xiàn)了書乙，事務 3 中則同時出現(xiàn)了書甲和書乙。那么，書甲和書乙在事務中的出現(xiàn)相互之間是否有規(guī)律可循呢？在網上書店的前端訂單系統(tǒng)收集存儲了大量的購書數(shù)據(jù)，這些數(shù)據(jù)是一條條的購買事務記錄，每條記錄存儲了事務處理時間，顧客購買的書籍、物品的數(shù)量及金額等。這些數(shù)據(jù)中常常隱含形式如下的關聯(lián)規(guī)則：在購買 JSP 書的顧客當中，有 70%的人同時購買了 Java 圖書。這些關聯(lián)規(guī)則很有價值，書店管理人員可以根據(jù)這些關聯(lián)規(guī)則更好地規(guī)劃書店，如把 Java 和 JSP 圖書其中一種促銷，能夠促進另一種通圖書的銷售。

2 數(shù)據(jù)庫準備

根據(jù)上面的數(shù)據(jù)庫需求分析及系統(tǒng)功能模塊的劃分，網上書店系統(tǒng)數(shù)據(jù)庫主要包括如下幾張表，其中用戶表和訂單表部分字段設置如表1、表2所示。

· _user（用戶）表 （表1），用來存儲用戶信息。

表1 _user表

[字段名＼&數(shù)據(jù)類型＼&備注＼&userid＼&Int not null＼&用戶ID，自動增加＼&username＼&Nvarchar（50） not null＼&用戶名，主鍵＼&useremail＼&Nvarchar（50） not null＼&用戶email＼&password＼&Nvarchar（50） not null＼&用戶密碼＼&]

· myorder（我的訂單）表 （表2），用來存儲用戶購買圖書的信息。

表2 myorder表

[字段名＼&數(shù)據(jù)類型＼&備注＼&Myorder_id＼&int not null＼&訂單ID，自動增加，主鍵＼&username＼&Nvarchar（50）＼&訂單的用戶名＼&name＼&Nvarchar（255）＼&購買的商品名稱＼&]

3 數(shù)據(jù)分析

網上書店訂單數(shù)據(jù)的關聯(lián)規(guī)則頻繁項集挖掘可采用 Apriori 算法實現(xiàn)。假設當日銷售的數(shù)據(jù)庫中的一段事務數(shù)據(jù)，數(shù)據(jù)庫中有 10 個事務，即|D|=10。Apriori 假定事務中的項按字典次序存放，Ik代表具體的書目或者一類圖書，比如I1-Java 類圖書，I2-JSP 圖書，I3-數(shù)據(jù)挖掘圖書，I4-C 語言圖書，I5-網頁制作圖書等等。

打開Microsoft SQL Server 2005中的Business Intelligence Development Studio， 在解決方案資源管理器中為數(shù)據(jù)庫ZT新建數(shù)據(jù)源、為view_myorder， view_user新建數(shù)據(jù)源視圖，新建挖掘結構。

在解決資源管理器中基于ZT數(shù)據(jù)源和數(shù)據(jù)源視圖新建名為User.dmm的關聯(lián)規(guī)則挖掘結構。選取“_user”為事例表，“myorder”為嵌套表，將事例表_user的username字段選取為鍵列，將嵌套表myorder的name字段選取為鍵列、輸入列和可預測列，勾選“運行鉆取”，最后點擊“完成”按鈕。

先看看顧客的購買記錄，如表3所示。

表3 顧客的購買記錄表

[用戶名＼&購買的圖書＼&C1＼&數(shù)據(jù)庫，數(shù)據(jù)結構，離散數(shù)學，計算機網絡，C語言程序設計案例教程，計算機組成原理＼&C2＼&操作系統(tǒng)，離散數(shù)學，C語言程序設計案例教程，計算機組成原理＼&C3＼&數(shù)據(jù)結構，數(shù)據(jù)庫，計算機網絡，C語言程序設計案例教程＼&C4＼&離散數(shù)學，C語言程序設計案例教程＼&]

點擊“挖掘模型查看器”，可以在“項集”這個選項中，設置“最低支持”和“最小項集大小”。

點擊“挖掘模型預測”，可以對顧客的購買記錄進行關聯(lián)、序列分析。

1） 查看哪些商品會一起購買（針對關聯(lián)模型創(chuàng)建預測查詢）

首先在挖掘模型對話框中點擊“選擇模型”，選擇ZT下的User，點擊“確定”按鈕，在下面網格中“源”處，選擇“預測函數(shù)”，在“字段”處選擇“PredictAssociation”，將挖掘模型中的myorder托放到條件/參數(shù)中，并在后添加，3，點擊“結果”。

2） 給定一種商品或兩種商品，查看和它一起購買的商品以及一起購買此商品的概率（向單獨預測查詢添加輸入和概率）

單擊“單獨查詢按鈕”，在單獨查詢輸入中添加“C語言”，挖掘模型也選擇ZT下的User，在下面網格中“源”處，選擇“預測函數(shù)”，在“字段”處選擇“PredictAssociation”，將挖掘模型中的myorder托放到條件/參數(shù)中，并在后添加include_statistics6，點擊“結果”。

4 結束語

本文以網上書店為平臺，介紹顧客購書訂單模塊的數(shù)據(jù)庫的設計，并用SQL Server 2005的Business intelligence development studio對商務網站交易數(shù)據(jù)進行關聯(lián)分析，發(fā)現(xiàn)被顧客購買的商品之間的關聯(lián)，為商品導購提供數(shù)據(jù)支持。

參考文獻：

[1] 馬剛.關聯(lián)規(guī)則挖掘在電子商務中的研究與應用[D].上海：上海交通大學，2008：40-44.

[2] 魏建香，馮春輝.SQL Server 數(shù)據(jù)庫應用技術[M].北京：中國計劃出版社，2007：8-9.

[3] 謝邦昌.商務智能與數(shù)據(jù)挖掘 Microsoft SQL Server應用[M].北京：機械工業(yè)出版社，2008：35-40.

[4] 左鳳朝.基于 Web 的數(shù)據(jù)庫訪問技術探析[J].計算機工程與應用，2005，52（15）.

[5] John H.Heinrichs，Jeen-Su Lim.Integrating Web-based Data Mining Tools with Business Models for Knowledge Management[J].Decision Support Systems，2003，35.endprint

摘要：數(shù)據(jù)挖掘技術在網上書店系統(tǒng)中起著重要作用，使用數(shù)據(jù)挖掘技術分析訂單數(shù)據(jù)，通過關聯(lián)規(guī)則挖掘得到相同種類圖書之間和不同種類圖書之間的關聯(lián)關系，根據(jù)分析結果可以在客戶下訂單時，為客戶推薦相關書籍，從而增加銷售額。該文介紹網上書店訂單數(shù)據(jù)關聯(lián)分析的過程和結果。

關鍵詞：數(shù)據(jù)挖掘；關聯(lián)規(guī)則；網上書店；商品推薦

中圖分類號：TP311 文獻標識碼：A 文章編號：1009-3044（2014）36-8597-02

網上書店以其圖書數(shù)量大、品種多、檢索方便、價格相對便宜、突破了時間和空間的限制等優(yōu)勢吸引了讀者，圖書購買的需求已是網上書店讀者的首要需求。為了能夠充分滿足以及了解使用者的需求，開發(fā)一套網上書店管理信息系統(tǒng)是必要的。從商務網站系統(tǒng)中得到的大量數(shù)據(jù)用數(shù)據(jù)庫保存起來，在競爭日益激烈的知識經濟環(huán)境下，數(shù)據(jù)庫不再只是用于查詢、輸出報表等一般的用途，還要在眾多的數(shù)據(jù)中挖掘出有用的知識以便作為決策支持。

1 數(shù)據(jù)挖掘在網上書店的應用

數(shù)據(jù)挖掘（Data Mining）就是從大量的、不完全的、有噪聲的、模糊的、隨機的實際應用數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程。它綜合利用了統(tǒng)計學、模式識別、人工智能、機器學習、神經網絡等學科的知識，從大量信息中提取有用的模式和規(guī)律，以輔助決策。

考察書店中涉及許多交易的事務：事務 1 中出現(xiàn)了書甲，事務 2 中出現(xiàn)了書乙，事務 3 中則同時出現(xiàn)了書甲和書乙。那么，書甲和書乙在事務中的出現(xiàn)相互之間是否有規(guī)律可循呢？在網上書店的前端訂單系統(tǒng)收集存儲了大量的購書數(shù)據(jù)，這些數(shù)據(jù)是一條條的購買事務記錄，每條記錄存儲了事務處理時間，顧客購買的書籍、物品的數(shù)量及金額等。這些數(shù)據(jù)中常常隱含形式如下的關聯(lián)規(guī)則：在購買 JSP 書的顧客當中，有 70%的人同時購買了 Java 圖書。這些關聯(lián)規(guī)則很有價值，書店管理人員可以根據(jù)這些關聯(lián)規(guī)則更好地規(guī)劃書店，如把 Java 和 JSP 圖書其中一種促銷，能夠促進另一種通圖書的銷售。

2 數(shù)據(jù)庫準備

根據(jù)上面的數(shù)據(jù)庫需求分析及系統(tǒng)功能模塊的劃分，網上書店系統(tǒng)數(shù)據(jù)庫主要包括如下幾張表，其中用戶表和訂單表部分字段設置如表1、表2所示。

· _user（用戶）表 （表1），用來存儲用戶信息。

表1 _user表

[字段名＼&數(shù)據(jù)類型＼&備注＼&userid＼&Int not null＼&用戶ID，自動增加＼&username＼&Nvarchar（50） not null＼&用戶名，主鍵＼&useremail＼&Nvarchar（50） not null＼&用戶email＼&password＼&Nvarchar（50） not null＼&用戶密碼＼&]

· myorder（我的訂單）表 （表2），用來存儲用戶購買圖書的信息。

表2 myorder表

[字段名＼&數(shù)據(jù)類型＼&備注＼&Myorder_id＼&int not null＼&訂單ID，自動增加，主鍵＼&username＼&Nvarchar（50）＼&訂單的用戶名＼&name＼&Nvarchar（255）＼&購買的商品名稱＼&]

3 數(shù)據(jù)分析

網上書店訂單數(shù)據(jù)的關聯(lián)規(guī)則頻繁項集挖掘可采用 Apriori 算法實現(xiàn)。假設當日銷售的數(shù)據(jù)庫中的一段事務數(shù)據(jù)，數(shù)據(jù)庫中有 10 個事務，即|D|=10。Apriori 假定事務中的項按字典次序存放，Ik代表具體的書目或者一類圖書，比如I1-Java 類圖書，I2-JSP 圖書，I3-數(shù)據(jù)挖掘圖書，I4-C 語言圖書，I5-網頁制作圖書等等。

打開Microsoft SQL Server 2005中的Business Intelligence Development Studio， 在解決方案資源管理器中為數(shù)據(jù)庫ZT新建數(shù)據(jù)源、為view_myorder， view_user新建數(shù)據(jù)源視圖，新建挖掘結構。

在解決資源管理器中基于ZT數(shù)據(jù)源和數(shù)據(jù)源視圖新建名為User.dmm的關聯(lián)規(guī)則挖掘結構。選取“_user”為事例表，“myorder”為嵌套表，將事例表_user的username字段選取為鍵列，將嵌套表myorder的name字段選取為鍵列、輸入列和可預測列，勾選“運行鉆取”，最后點擊“完成”按鈕。

先看看顧客的購買記錄，如表3所示。

表3 顧客的購買記錄表

[用戶名＼&購買的圖書＼&C1＼&數(shù)據(jù)庫，數(shù)據(jù)結構，離散數(shù)學，計算機網絡，C語言程序設計案例教程，計算機組成原理＼&C2＼&操作系統(tǒng)，離散數(shù)學，C語言程序設計案例教程，計算機組成原理＼&C3＼&數(shù)據(jù)結構，數(shù)據(jù)庫，計算機網絡，C語言程序設計案例教程＼&C4＼&離散數(shù)學，C語言程序設計案例教程＼&]

點擊“挖掘模型查看器”，可以在“項集”這個選項中，設置“最低支持”和“最小項集大小”。

點擊“挖掘模型預測”，可以對顧客的購買記錄進行關聯(lián)、序列分析。

1） 查看哪些商品會一起購買（針對關聯(lián)模型創(chuàng)建預測查詢）

首先在挖掘模型對話框中點擊“選擇模型”，選擇ZT下的User，點擊“確定”按鈕，在下面網格中“源”處，選擇“預測函數(shù)”，在“字段”處選擇“PredictAssociation”，將挖掘模型中的myorder托放到條件/參數(shù)中，并在后添加，3，點擊“結果”。

2） 給定一種商品或兩種商品，查看和它一起購買的商品以及一起購買此商品的概率（向單獨預測查詢添加輸入和概率）

單擊“單獨查詢按鈕”，在單獨查詢輸入中添加“C語言”，挖掘模型也選擇ZT下的User，在下面網格中“源”處，選擇“預測函數(shù)”，在“字段”處選擇“PredictAssociation”，將挖掘模型中的myorder托放到條件/參數(shù)中，并在后添加include_statistics6，點擊“結果”。

4 結束語

本文以網上書店為平臺，介紹顧客購書訂單模塊的數(shù)據(jù)庫的設計，并用SQL Server 2005的Business intelligence development studio對商務網站交易數(shù)據(jù)進行關聯(lián)分析，發(fā)現(xiàn)被顧客購買的商品之間的關聯(lián)，為商品導購提供數(shù)據(jù)支持。

參考文獻：

[1] 馬剛.關聯(lián)規(guī)則挖掘在電子商務中的研究與應用[D].上海：上海交通大學，2008：40-44.

[2] 魏建香，馮春輝.SQL Server 數(shù)據(jù)庫應用技術[M].北京：中國計劃出版社，2007：8-9.

[3] 謝邦昌.商務智能與數(shù)據(jù)挖掘 Microsoft SQL Server應用[M].北京：機械工業(yè)出版社，2008：35-40.

[4] 左鳳朝.基于 Web 的數(shù)據(jù)庫訪問技術探析[J].計算機工程與應用，2005，52（15）.

[5] John H.Heinrichs，Jeen-Su Lim.Integrating Web-based Data Mining Tools with Business Models for Knowledge Management[J].Decision Support Systems，2003，35.endprint

摘要：數(shù)據(jù)挖掘技術在網上書店系統(tǒng)中起著重要作用，使用數(shù)據(jù)挖掘技術分析訂單數(shù)據(jù)，通過關聯(lián)規(guī)則挖掘得到相同種類圖書之間和不同種類圖書之間的關聯(lián)關系，根據(jù)分析結果可以在客戶下訂單時，為客戶推薦相關書籍，從而增加銷售額。該文介紹網上書店訂單數(shù)據(jù)關聯(lián)分析的過程和結果。

關鍵詞：數(shù)據(jù)挖掘；關聯(lián)規(guī)則；網上書店；商品推薦

中圖分類號：TP311 文獻標識碼：A 文章編號：1009-3044（2014）36-8597-02

網上書店以其圖書數(shù)量大、品種多、檢索方便、價格相對便宜、突破了時間和空間的限制等優(yōu)勢吸引了讀者，圖書購買的需求已是網上書店讀者的首要需求。為了能夠充分滿足以及了解使用者的需求，開發(fā)一套網上書店管理信息系統(tǒng)是必要的。從商務網站系統(tǒng)中得到的大量數(shù)據(jù)用數(shù)據(jù)庫保存起來，在競爭日益激烈的知識經濟環(huán)境下，數(shù)據(jù)庫不再只是用于查詢、輸出報表等一般的用途，還要在眾多的數(shù)據(jù)中挖掘出有用的知識以便作為決策支持。

1 數(shù)據(jù)挖掘在網上書店的應用

數(shù)據(jù)挖掘（Data Mining）就是從大量的、不完全的、有噪聲的、模糊的、隨機的實際應用數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程。它綜合利用了統(tǒng)計學、模式識別、人工智能、機器學習、神經網絡等學科的知識，從大量信息中提取有用的模式和規(guī)律，以輔助決策。

考察書店中涉及許多交易的事務：事務 1 中出現(xiàn)了書甲，事務 2 中出現(xiàn)了書乙，事務 3 中則同時出現(xiàn)了書甲和書乙。那么，書甲和書乙在事務中的出現(xiàn)相互之間是否有規(guī)律可循呢？在網上書店的前端訂單系統(tǒng)收集存儲了大量的購書數(shù)據(jù)，這些數(shù)據(jù)是一條條的購買事務記錄，每條記錄存儲了事務處理時間，顧客購買的書籍、物品的數(shù)量及金額等。這些數(shù)據(jù)中常常隱含形式如下的關聯(lián)規(guī)則：在購買 JSP 書的顧客當中，有 70%的人同時購買了 Java 圖書。這些關聯(lián)規(guī)則很有價值，書店管理人員可以根據(jù)這些關聯(lián)規(guī)則更好地規(guī)劃書店，如把 Java 和 JSP 圖書其中一種促銷，能夠促進另一種通圖書的銷售。

2 數(shù)據(jù)庫準備

根據(jù)上面的數(shù)據(jù)庫需求分析及系統(tǒng)功能模塊的劃分，網上書店系統(tǒng)數(shù)據(jù)庫主要包括如下幾張表，其中用戶表和訂單表部分字段設置如表1、表2所示。

· _user（用戶）表 （表1），用來存儲用戶信息。

表1 _user表

[字段名＼&數(shù)據(jù)類型＼&備注＼&userid＼&Int not null＼&用戶ID，自動增加＼&username＼&Nvarchar（50） not null＼&用戶名，主鍵＼&useremail＼&Nvarchar（50） not null＼&用戶email＼&password＼&Nvarchar（50） not null＼&用戶密碼＼&]

· myorder（我的訂單）表 （表2），用來存儲用戶購買圖書的信息。

表2 myorder表

[字段名＼&數(shù)據(jù)類型＼&備注＼&Myorder_id＼&int not null＼&訂單ID，自動增加，主鍵＼&username＼&Nvarchar（50）＼&訂單的用戶名＼&name＼&Nvarchar（255）＼&購買的商品名稱＼&]

3 數(shù)據(jù)分析

網上書店訂單數(shù)據(jù)的關聯(lián)規(guī)則頻繁項集挖掘可采用 Apriori 算法實現(xiàn)。假設當日銷售的數(shù)據(jù)庫中的一段事務數(shù)據(jù)，數(shù)據(jù)庫中有 10 個事務，即|D|=10。Apriori 假定事務中的項按字典次序存放，Ik代表具體的書目或者一類圖書，比如I1-Java 類圖書，I2-JSP 圖書，I3-數(shù)據(jù)挖掘圖書，I4-C 語言圖書，I5-網頁制作圖書等等。

打開Microsoft SQL Server 2005中的Business Intelligence Development Studio， 在解決方案資源管理器中為數(shù)據(jù)庫ZT新建數(shù)據(jù)源、為view_myorder， view_user新建數(shù)據(jù)源視圖，新建挖掘結構。

在解決資源管理器中基于ZT數(shù)據(jù)源和數(shù)據(jù)源視圖新建名為User.dmm的關聯(lián)規(guī)則挖掘結構。選取“_user”為事例表，“myorder”為嵌套表，將事例表_user的username字段選取為鍵列，將嵌套表myorder的name字段選取為鍵列、輸入列和可預測列，勾選“運行鉆取”，最后點擊“完成”按鈕。

先看看顧客的購買記錄，如表3所示。

表3 顧客的購買記錄表

[用戶名＼&購買的圖書＼&C1＼&數(shù)據(jù)庫，數(shù)據(jù)結構，離散數(shù)學，計算機網絡，C語言程序設計案例教程，計算機組成原理＼&C2＼&操作系統(tǒng)，離散數(shù)學，C語言程序設計案例教程，計算機組成原理＼&C3＼&數(shù)據(jù)結構，數(shù)據(jù)庫，計算機網絡，C語言程序設計案例教程＼&C4＼&離散數(shù)學，C語言程序設計案例教程＼&]

點擊“挖掘模型查看器”，可以在“項集”這個選項中，設置“最低支持”和“最小項集大小”。

點擊“挖掘模型預測”，可以對顧客的購買記錄進行關聯(lián)、序列分析。

1） 查看哪些商品會一起購買（針對關聯(lián)模型創(chuàng)建預測查詢）

首先在挖掘模型對話框中點擊“選擇模型”，選擇ZT下的User，點擊“確定”按鈕，在下面網格中“源”處，選擇“預測函數(shù)”，在“字段”處選擇“PredictAssociation”，將挖掘模型中的myorder托放到條件/參數(shù)中，并在后添加，3，點擊“結果”。

2） 給定一種商品或兩種商品，查看和它一起購買的商品以及一起購買此商品的概率（向單獨預測查詢添加輸入和概率）

單擊“單獨查詢按鈕”，在單獨查詢輸入中添加“C語言”，挖掘模型也選擇ZT下的User，在下面網格中“源”處，選擇“預測函數(shù)”，在“字段”處選擇“PredictAssociation”，將挖掘模型中的myorder托放到條件/參數(shù)中，并在后添加include_statistics6，點擊“結果”。

4 結束語

本文以網上書店為平臺，介紹顧客購書訂單模塊的數(shù)據(jù)庫的設計，并用SQL Server 2005的Business intelligence development studio對商務網站交易數(shù)據(jù)進行關聯(lián)分析，發(fā)現(xiàn)被顧客購買的商品之間的關聯(lián)，為商品導購提供數(shù)據(jù)支持。

參考文獻：

[1] 馬剛.關聯(lián)規(guī)則挖掘在電子商務中的研究與應用[D].上海：上海交通大學，2008：40-44.

[2] 魏建香，馮春輝.SQL Server 數(shù)據(jù)庫應用技術[M].北京：中國計劃出版社，2007：8-9.

[3] 謝邦昌.商務智能與數(shù)據(jù)挖掘 Microsoft SQL Server應用[M].北京：機械工業(yè)出版社，2008：35-40.

[4] 左鳳朝.基于 Web 的數(shù)據(jù)庫訪問技術探析[J].計算機工程與應用，2005，52（15）.

[5] John H.Heinrichs，Jeen-Su Lim.Integrating Web-based Data Mining Tools with Business Models for Knowledge Management[J].Decision Support Systems，2003，35.endprint