PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
2011 | nr 232 Knowledge Acquisition and Management | 136-145
Tytuł artykułu

The Visualisation of Association Rules in Market Basket Analysis as a Supporting Method in Customer Relationship Management Systems

Warianty tytułu
Wizualizacja reguł asocjacyjnych w analizie koszykowej jako metoda wspierająca systemy klasy CRM
Języki publikacji
EN
Abstrakty
Reguła asocjacyjna w drążeniu danych to implikacja w postaci A→B, gdzie A to zbiór elementów poprzedzających a B jest zbiorem elementów następujących. Innymi słowy jest zdefiniowana na elementach odzwierciedlających związki typu wiele do wielu między elementami. Wizualizacja ma dość długą historię w poprawianiu dostępności dużych zestawów danych do analizy przy pomocy różnych technik. Chociaż zostało opracowanych wiele narzędzi mających na celu wizualizację reguł asocjacyjnych, tylko niewiele z nich jest w stanie filtrować po współczynnikach wsparcia i ufności tak jak po słowach kluczowych. Ponadto, tylko niektóre z tych narzędzi mogą obsłużyć dużą liczbę reguł z wieloma poprzednikami. Tak więc, może być trudno zwizualizować i zrozumieć odkrytą wiedzę jako całość, nawet jeśli wszystkie reguły są dostępne. W artykule przedstawiono aplikację GraphMiner, która rozwiązuje wiele z tych problemów. Prezentacja aplikacji jest przedstawiona jako studium przypadku, w którym omawiamy sposób, w jaki można w systemie CRM wspierać sprzedaż i działania promocyjne. (abstrakt oryginalny)
EN
An association rule in data mining is an implication of the form A→B, where A is a set of antecedent items and B is a set of consequent items. In other words, it is defined on items which reflect the many-to-many relationships among items. Visualization has a quite long history of making large data sets more accessible using different techniques. Although many tools have been developed to visualize association rules, just few of them are able to filter by support and confidence ratio as well as key words. Moreover, few of these tools can handle a great number of rules with multiple antecedents. Thus, it might be difficult to visualize and understand discovered knowledge as a whole even when all rules are available. This paper presents the GraphMiner application to manage many of these problems. The application presentation is shown in the case study, where we discuss the opportunities on how it might be valuable in the CRM system due to support sales and promotion activities. (original abstract)
Twórcy
  • SynergiaIT
Bibliografia
  • Agrawal R., Imielinski T., Swami A. (1993), Mining association rules between sets of items in large databases, [in:] Proceedings of 1993 ACM-SIGMOD Conference on Management of Data, pp. 207-216.
  • Agrawal R., Srikant R. (1994), Fast algorithms for mining association rules, [in:] Proceedings of 20th International Conference Very Large Databases, Santiago.
  • Becker B.G. (1997), Volume rendering for relational data, [in:] J. Dill, N. Gershon (eds.), Proceedings of Information Visualization'97, IEEE Computer Society Press, Phoenix, pp. 87-90.
  • Becker B.G. (1998), Visualizing decision table classifiers, [in:] G. Wills, J. Dill (eds.), Proceedings of Information Visualization'98, IEEE Computer Society Press, Research Triangle Park, North Carolina, pp. 102-105.
  • Hahsler M., Chelluboina S. (2011), Visualizing Association Rules: Introduction to the R-extension Package arulesViz, http://cran.r-project.org/web/packages/arulesViz/vignettes/ arulesViz.pdf (date of access: 30.09.2011).
  • Han J., Kamber M. (2006), Data mining. Concepts and Techniques. Second Edition, Morgan Kaufmann, San Francisco.
  • Hetzler B., Harris W.M., Havre S., Whitney P. (1998), Visualizing the full spectrum of document relationships, [in:] Proceedings of 5th International Society Knowledge Organization (ISKO) Conference, Lille.
  • IBM (2011), DB2 Business Intelligence, http://publib.boulder.ibm.com/infocenter/db2luw/ v8/index.jsp?topic=/com.ibm.im.model.doc/c_lift_in_an_association_rule.html (date of access: 03.10.2011).
  • Klemettinen M., Mannila H., Ronkainen P., Toivonen H., Verkamo I. (1994), Finding interesting rules from large sets of discovered association rules, [in:] Proceedings of 3rd International Confer¬ence of Information and Knowledge Management (CIKM'94), ACM, Gaithersburg,Maryland,pp. 401-407.
  • Łapczyński M. (2009), Analiza koszykowa i analiza sekwencji - wielki brat czuwa, Materiały konferencyjne z Seminarium zastosowania Statystyki i Data mining, Statsoft, Warszawa.
  • Mikulski Ł., Weichbroth P. (2009), Discovering patterns of visits on the Internet web sites in the perspective of association rules viewpoint, Polish Journal of Environmental Studies, Vol. 18, No. 3B, pp. 267-271.
  • Oracle Business Intelligence Blog (2011), http://oraclebi.blogspot.com/2007/02/using-market-basket-analysis-to-add.html (date of access: 30.09.2011).
  • Penc J. (2001), Strategiczny system zarządzania. Holistyczne myślenie o przyszłości. Formułowanie misji i strategii, Agencja Wydawnicza Placet, Warszawa.
  • SAS Visual Data Discovery (2011), http://www.sas.com/technologies/analytics/statistics/ datadiscovery/index.html
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000171210947
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.