朱慧云 陈森发 张丽杰

(1东南大学经济管理学院，南京210096)

(2南京信息工程大学经济管理学院，南京210044)

随着数据收集技术和数据库技术的发展，企业积累了海量的客户购物数据，关联规则挖掘可以从中挖掘出经常被一起购买的商品的信息，从而帮助管理者进行货架陈设、交叉销售等，以获得更多的利润.传统的关联规则挖掘算法将数据集看作是静态的，从中挖掘出满足最小支持度阈值和最小置信度阈值的强关联规则，并不考虑时间因素.然而，购物数据通常具有时间特性，客户的购物模式可能会随时间而改变，同一个购物模式在不同时期可能会发生很大变化.例如，每年新学年开学前有更多客户会同时购买书包和文具，这种关联规则“购买书包的同时也购买文具”的支持度就会远远大于平时.挖掘客户购物模式变化的目的在于:①发现变化的趋势并及时调整企业的管理策略，提供适当的产品或服务;②及时发现不良的变化模式，以便采取补救措施减缓变化.因此，研究客户购物模式随时间发生变化的规律具有重要的现实意义，是企业重要的竞争优势.

为了理解客户行为变化模式，Song等［1］定义了3种不同的变化类型，对2个不同时期数据集的关联规则进行比对，根据规则的相似度和相异度找出不同类型的变化;然而，这种方法比较的关联规则后件仅为1个.Chen等［2］对此方法进行了扩展，从而可以比较后件为2个或者更多个时的关联规……