Fuzzy 이론을 이용한 고객정보의 연관규칙 탐색

Abstract

대용량의 데이터베이스에서 사건들이 함께 발생하거나, 또는 하나의 사건이 다른 사건을 암시하는 것과 같은 사건들 사이의 상호관계를 나타내는 연관규칙을 발견하는 문제는 가장 주요한 데이터 마이닝 문제들 중의 하나이다. 이러한 연관규칙을 이용하여 알려지지 않은 유용한 정보를 얻어 경영에 활용하려는 것이 목적이다. 하지만 연관규칙 기법으로 생성된 결과가 모두 같기 때문에 마케팅에 적용 시 그 마케팅 전략은 같을 수밖에 없다. 최근에는 이러한 문제점을 해결하기 위해 동일 항목에서만 연관규칙을 발견하는 대신에, 항목이 다른 데이터베이스를 탐색하여 흥미로운 연관규칙을 발견하는 연구가 진행되고 있다. 본 논문에서 제안하는 알고리즘은 항목이 다른 데이터베이스를 탐색하여 새로운 연관규칙을 알아보는 방법이다. 고객의 정보가 담긴 고객 데이터베이스와 구매정보가 담긴 구매 데이터베이스를 탐색하여 새로운 형태의 연관규칙을 탐색하는 방법이다. 자주 구매되는 물건과 그 물건을 구입한 고객의 정량적인 속성을 퍼지 이론을 이용하여 언어학적으로 변환시킨 값과의 연관규칙을 탐색하는 새로운 알고리듬을 제안하였다. 본 논문에서는 정량적인 속성을 퍼지 이론을 이용한 방법과 기존의 경계구간을 이용한 방법을 비교하여 기존방법이 범할 수 있는 오류를 극복하였다. 이렇게 본 연구에서 얻어진 퍼지 연관규칙은 정도 높은 고객의 속성을 분석한 결과를 바탕으로 더 높은 수익성의 잠재력을 가진 질적으로 우수한 고객 발견 및 구매 형태 분석, 시장 점유율향상 및 수익성 개선, 제품 판촉비용 감소와 재고관리, 마케팅 전략의 수립에 응용되어 비즈니스 성과를 높이고 고객만족을 증진시킬 수 있다.; Association rules have recently recognized as an important tool for knowledge discovery in databases. The results discussed in this paper relevant to a large database consisting of customer profile information together with behavioral patterns. We introduce the concept of profile association rules, which discusses the problem of relation customer buying behavior to profile information. We propose an algorithm(Fuzzy based profile association rules) in this paper to mine a database of records which consist of both customer quantitative profile(such as salary and age) and behavior(such as buying decision). In this paper, it is decomposed into two subproblems. First subproblem, we find to discover all the large itemsets from the transaction database. Second subproblem, we find linguistic knowledge form Customer quantitative attributes using fuzzy theory. To conclude, by using proposed algorithm can be gave more interesting rules to users. Based on the Fuzzy theory, We present an efficient FPA algorithm to discover interesting association rules embedded in the transaction database and the customer database.