资 源 简 介
现有的数据融合模式往往无法将同一数据库中具有家庭关系的个体关联起来，使得目标客户的选择存在重复选取的局限性，同时数据属性的缺失也为进一步的决策带来困难。首先从不确定性推理模型出发，设计出用户兴趣、所处行业、产品偏好等的可信度推理算法，利用该算法将个性化数据库、杂志订阅数据库进行有效融合，在完善关键数据属性的基础上，生成新的标准化数据库；以年龄、性别、姓氏等属性为依据，制定家庭结构的识别规则，从而实现家庭结构数据的融合。利用邮政行业数据及自建数据库进行实验和分析，证明了方法的可行性和有效性。
当前，我国零售业经历了飞速的跨越式的发展阶段，社会消费品年均零售总额有了很大突破，百货商场、连锁店、超市、专卖店、购物中心、电子商务等业态相继兴起。尤其是电子商务的崛起，对零售企业提出了严峻的挑战。随着客户数量的增多，客户对服务的质量提出了更高的要求，另外，二维码技术、客户管理系统、销售分析系统、智能终端设备等的出现，使得零售企业很难在积累的超大规模数据中找出有利于企业开展营销活动的信息。大数据时代的来临也给企业带来了诸如查询响应时间、查询质量、决策分析等多方面的问题。事实上，零售企业在自身的发展中累积了很多的交易数据，最重要的就是要从这些交易数据中找到顾客的购买兴趣和偏好。为了探寻大规模数据背后的隐藏知识，数据挖掘技术应运而生。在国外，对数据挖掘技术的研究已经有多年的历史。数据挖掘算法的发展及其应用，为零售行业带来了巨大的变化，尤其是利润的提高，数据挖掘这一智能化的技术正在被许多的科研院研究。
