Algorytm FP-Growth w wyszukiwaniu wzorców zakupów klientów

• Autorzy: Jerzy Korczak , Piotr Skrzypczak

Warianty tytułu

FP-Growth Algorithm in Discovery of Customer Purchasing Patterns

• Języki publikacji: PL

Abstrakty

Jedną z najpopularniejszych i najczęściej stosowanych metod wyszukiwania wzorców zakupów klientów są metody wykorzystujące algorytmy reguł asocjacyjnych. Na przestrzeni kilkunastu lat powstało wiele algorytmów wyszukiwania reguł asocjacyjnych w zbiorach danych. Wiele z nich ewoluowało, część z nich okazała się mniej użyteczna ze względu na swą szybkość działania na ogromnych zbiorach danych i zbyt duże wymagania dostępnej pamięci. Jedną z interesujących propozycji jest algorytm FP-Growth opracowany przez J. Hana, H. Pei i Y. Yina. Algorytm ten jest szybki i skalowalny. W publikacji J. Han pokazał, że FP-Growth przewyższa wydajnością inne popularne metody wyszukiwania reguł asocjacyjnych, takie jak algorytm Apriori czy TreeProjection. W pracach wykazano, że algorytm ten ma lepsze wyniki niż Eclat i Relim.(fragment tekstu)

EN

In the paper, an algorithm FP-Growth and its variants are discussed. A new process of finding association rules using the Rapid Miner package has been proposed. The process was optimized in terms of memory usage and performance of the rule discovery process. The impact of proposed modifications made to the whole process of finding association rules has been evaluated. The experiments have been carried out on the internet database containing the customer transactions of the Delicatessen Alma24.(author's abstract)

Słowa kluczowe

PL

Zakupy grupowe; Klient; Algorytmy

EN

Group purchasing; Customer; Algorithms

• Czasopismo: Zeszyty Naukowe Uniwersytetu Szczecińskiego. Ekonomiczne Problemy Usług
• Rocznik: 2011
• Numer: nr 67 Drogi dochodzenia do społeczeństwa informacyjnego. Stan obecny, perspektywy rozwoju i ograniczenia. T. 1
• Strony: 61--71

Twórcy

autor

Jerzy Korczak

• Uniwersytet Ekonomiczny we Wrocławiu

autor

Piotr Skrzypczak

• Delikatesy Alma, Wrocław

Bibliografia

• Bereta M.: Data Mining z wykorzystaniem programu RapidMiner, http://michalbereta.pl/dydaktyka/ZSI/Lab%20Data%20Mining%201.pdf (czerwiec 2010); http://michalbereta.pl/dydaktyka/ZSI/Lab%20Data%20Mining%202.pdf (czerwiec 2010).
• Bonchi F., Giannotti F., Mazzanti A., Pedreschi D.: Exante: Anticipated data reduction in constrained pattern mining, In Proceedings of the 7th European Conference on Principles and Practice of Knowledge Discovery in Databases (PKDD '03), Cavtat-Dubrovnik 2003.
• Borgelt C.: Keeping Things Simple: Finding Frequent Item Sets by Recursive Elimination, Workshop Open Source Data Mining Software (OSDM '05, Chicago, IL), ACM Press 2005.
• Gyorödi C., Gyorödi R., Cofeey T., Holban S.: Mining association rules using Dynamic FP-trees, In proceedings of The Irish Signal and Systems Conference, University of Limerick 2003.
• Han J., Pei J, Yin Y.: Mining Frequent Patterns without Candidature Generation, w: Proc. of the 200 ACM SIGMOD Int. Conf. on Management of Data, Dallas 2000.
• Hand D., Mannila H., Smyth P.: Eksploracja danych, Wydawnictwo Naukowo- Techniczne, Warszawa 2005.
• Morzy T.: Eksploracja danych, http://www.portalwiedzy.pan.pl/images/stories/ pliki/publikacje/nauka/2007/03/N_307_06_Morzy.pdf (czerwiec 2010).
• Pasztyła A.: Analiza koszykowa danych transakcyjnych - cele i metody, http://www.statsoft.pl/pdf/artykuly/basket.pdf (czerwiec 2010).
• Rácz B.: Nonordfp: An FP-Growth Variation without Rebuilding the FP-Tree, 2nd Int'l Workshop on Frequent Itemset Mining Implementations FIMI 2004.
• RapidMiner 4.3. User Guide. Operator Reference. Developer Tutorial, http://docs.huihoo.com/rapidminer/rapidminer-4.3-tutorial.pdf (czerwiec 2010).
• Skrzypczak P.: Modelowanie wzorców zachowań klientów Delikatesów Alma przy wykorzystaniu reguł asocjacyjnych, Uniwersytet Ekonomiczny, Wrocław 2010.
• Zaki M., Parthasarathy S., Ogihara M., Li W.: New Algorithms for Fast Discovery of Association Rules. Proc., 3rd Int. Conf. on Knowledge Discovery and Data Mining (KDD '97), AAAI Press 1997.