全文总字数：1417字
1. 研究目的与意义（文献综述）
首先，我选修过商务智能和电子商务前沿这两门专业课，其中涉及到关联规则和数据挖掘技术，且取得了优秀的成绩，为本课题研究奠定了扎实的理论基础。
其次，我对关联规则在电商平台的应用十分感兴趣，例如淘宝的猜你喜欢推荐系统，它是基于大量数据挖掘分析的基础上给用户提供个性化推荐服务，而且往往推荐的商品正是客户所感兴趣的。
最后，我希望我能够通过此次论文对关联规则有更加深刻的认识和见解，更好地将其应用在电商平台中。
2. 研究的基本内容与方案
研究内容：数据挖掘理论（产生和发展、相关技术和方法、应用流程）；关联规则理论（相关概念、算法）；利用WEKA工具对数据进行预处理、收集、分类、回归分析、可视化和特征选取。
拟解决问题：近年来我国电子商务蓬勃发展，日常经营中产生了极其庞大的交易数据，如何合理地使用关联规则来挖掘数据中的有效信息，帮助商家对消费者行为进行分析，找出消费者购买商品的关联性，制定一套用户个性化的推荐系统。
写作提纲：第一部分：绪论：介绍本篇论文研究内容、目标和发展现状。第二部分：相关理论基础：包括数据挖掘、关联规则的理论知识。第三部分：关联规则挖掘的模型架构：首先是数据预处理，随机抽选20位在淘宝购买商品的顾客，统计他们的年龄、性别、收入、近半年以来购买的商品类型、数量和价格，将其他无关变量删除，然后利用算法求出强关联规则。第四部分：关联规则挖掘结果分析：包括用户个性的分析以及购买商品的分析。第五部分：总结：对分析结果的总结以及对未来关联规则应用于电商网站推荐系统的展望。
3. 研究计划与安排
国内外研究现状分析：在国外， Kumar把交易数量、金额等参数转化为权重树避免对数据的多次扫描，并且利用并行计算思想挖掘基于最小权重支持度的规则，为购物篮分析提供了一种新思路。美国沃尔玛超市中，啤酒和尿布放在一起销售可以增加销量。国外的挖掘应用领域非常广泛。IBM的Intelligent Miner软件、SAS公司的Enterprise Miner软件和SPSS Clementine已经被应用在各个商业领域中，在金融业、电信业、制造业和零售业也均有为其量身定制的数据挖掘软件。
在国内，王乐等提出一种从事务项集对应的最大频繁项集求全部属性项集的新算法IPA。该算法通过交集剪枝实现自顶向下和自底向上的搜索最大频繁项集，并使用属性项的分布数据和已经生成的交集等多种信息减少求交集的次数。李虹，蔡之华以心脏病诊断的数据集为例，描述了关联规则挖掘在医疗数据分析中的应用。杨引霞提出并实现了一种多模型推荐系统，提供了鬼脸规则推荐模型、热门销售推荐模型和协同过滤模型，已在电商网站投入使用。
4. 参考文献（12篇以上）
研究计划：第一步：通过调查关联规则挖掘技术研究与应用的文献，全面地、准确地了解如何使用关联规则挖掘分析。第二步：我们选择一组样本数据，对数据进行预处理（删除无关变量、分类等）。第三步：利用Apriori算法求出事务数据库T中的所有的频繁项目集。第四步：确定最小支持度和最小置信度，找出强关联规则。第五步：强关联规则是反映用户的兴趣度的客观度量，可以排除一些无用规则，在此基础上，我们还可以使用交叉关联规则，更加准确地为用户提供个性化推荐。
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
