数据挖掘技术在旅游市场决策中的研究与应用

论文摘要

随着经济的发展，旅游产业已经成为国民经济的支柱产业。为加快旅游产业的发展，合理的进行资金投入和配套设施布局，制定科学的旅游决策将非常重要。数据挖掘技术已经对许多行业和领域产生了深远的影响。数据挖掘技术当中的关联规则挖掘，由于它能够发现大量数据项之间有趣的联系，可以为决策的制定提供依据。本文将数据挖掘技术引入旅游产业。找出其中的隐含联系为旅游业的科学决策提供依据。本文在研究关联规则技术的基础上，对已有的Apriori算法进行了改进。对于频繁项集的挖掘过程，提出了基于垂直分布的Apriori-Evo算法；对于规则的生成过程，设计了交互式的规则产生算法并提出了强关联规则、动态置信度的概念。最后，根据旅游行业的特点尝试将新算法和改进应用于旅游行业，对旅游数据进行了挖掘。经过测试新算法在挖掘的效率和规则有效性上都优于Apriori算法，对旅游数据的挖掘也取得了很好的效果。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题的背景和目的
• 1.2 课题的研究现状
• 1.3 本文的主要工作
• 1.4 本文的章节安排
• 第二章 关联规则挖掘研究
• 2.1 数据挖掘概述
• 2.1.1 数据挖掘的相关概念
• 2.1.2 数据挖掘方法和技术
• 2.1.3 数据挖掘的过程
• 2.1.4 数据挖掘的应用
• 2.1.5 数据挖掘的研究发展
• 2.2 关联规则概述
• 2.2.1 关联规则的基本概念
• 2.2.2 关联规则的分类
• 2.3 关联规则挖掘算法
• 2.3.1 关联规则挖掘的步骤
• 2.3.2 关联规则挖掘算法的分类
• 2.4 Apriori 算法研究
• 2.4.1 Apriori 算法描述
• 2.4.2 Apriori 算法的挖掘实例
• 2.4.3 Apriori 算法的不足
• 2.5 本章小结
• 第三章 基于垂直分布的频繁项集挖掘算法
• 3.1 Apriori 算法的改进方法
• 3.1.1 频繁项集的性质
• 3.1.2 对 Apriori 算法的改进
• 3.2 基于垂直分布的 Apriori-Evo 算法
• 3.3 Apriori-Evo 算法实例
• 3.4 两种算法挖掘步骤的对比
• 3.5 本章小结
• 第四章 关联规则的生成
• 4.1 规则生成的研究
• 4.2 采用了用户交互的规则生成算法
• 4.3 采用动态置信度阈值的规则生成
• 4.4 规则的兴趣度
• 4.5 本章小结
• 第五章 旅游数据挖掘应用
• 5.1 旅游业背景介绍
• 5.2 旅游数据的特点
• 5.2.1 旅游数据的来源
• 5.2.2 旅游数据的特征分析
• 5.3 挖掘系统设计
• 5.3.1 系统模型
• 5.3.2 实验环境
• 5.3.3 数据预处理
• 5.4 挖掘算法的实现
• 5.4.1 Apriori 算法对数据的挖掘
• 5.4.2 新算法的实现
• 5.4.3 挖掘结果分析
• 5.5 算法性能的比较
• 5.6 本章小结
• 第六章 结论
• 6.1 本文工作总结
• 6.2 本文的创新点及展望
• 致谢
• 参考文献