Разработка приложения для поиска ассоциативных правил с помощью алгоритма Apriori

В настоящее время актуальной задачей остается поиск наиболее типичных шаблонов покупок в супермаркетах. Данная задача получила название анализа рыночной корзины и заключается в поиске товаров, связанных между собой. Выполняется обнаружение продуктов, наличие которых в корзине влияет на вероятность появления других продуктов [1]. Решение данной задачи позволяет достичь сразу нескольких результатов: • достижение большей прибыли в бизнесе, повышение эффективности продаж за счет широкого ассортимента товаров и услуг и размещения на витринах; также увеличению продаж способствует предложение сопутствующих (сочетаемых) товаров; • выполняется и социальная миссия: клиенты экономят время при поиске товаров будь то супермаркет или электронный каталог. Например, если в результате решения такой задачи будет выяснено, что совместная покупка хлеба и молока является типичным шаблоном, то расположив эти товары рядом можно «спровоцировать» клиента на их совместное приобретение. Именно поэтому самыми популярными приложениями анализа данных являются маркетинг, мерчендайзинг и продажи. В перечисленные области организации вкладывают большое количество средств для сбора, хранения и обработки данных, которые представляют определенную ценность. В виду актуальности данной проблемы сформулирована цель данной работы: создать приложение, которое на основе проведенных покупок (транзакций) позволяло бы определить ассоциированные товары. Т.к. анализ рыночной корзины основывается на поиске ассоциативных правил, то цель можно переформулировать следующим образом: разработка приложения для поиска ассоциативных правил. При этом поставлены следующие задачи: 1. выполнить анализ задачи поиска ассоциативных правил и изучить существующие алгоритмы решения данной проблемы; 2. выбрать один из рассмотренных алгоритмов и реализовать его; 3. спроектировать программу с графическим пользовательским интерфейсом для поиска ассоциативных правил для товаров в супермаркете с помощью выбранного алгоритма и реализовать ее; 4. протестировать и отладить разработанную программу, а также создать документацию к приложению (руководство пользователя). Объектом исследования является задача поиска ассоциативных правил, предмет исследования – реализация алгоритма, позволяющего решить данную задачу. Программа будет написана на языке высокого уровня C# в интегрированной среде разработки Microsoft Visual Studio. В качестве системы управления базами данных будет использоваться Microsoft SQL Server.

В результате выполнения данной курсовой работы достигнута цель, поставленная в начале исследования: написана программа на языке C# для поиска ассоциативных правил с помощью алгоритма Apriori. При этом достигнуты все задачи: 1. освоена задача поиска ассоциативных правил, изучен математический аппарат и рассмотрены существующие алгоритмы решения данной проблемы; 2. выбран алгоритм Apriori, подробно описан и реализован; 3. спроектирована и реализована программа, основанная на выбранном алгоритме, которая позволяет искать ассоциативные правила на основе БД; 4. реализованная программа протестирована и отлажена, а также создано руководство пользователя по пользованию программой.

1. Обобщенные ассоциативные правила [Электронный ресурс]. – Режим доступа: https://cyberleninka.ru/article/n/obobschennye-assotsiativnye-pravila, свободный. Дата обращения: 01.03.2019. – Загл. с экрана. 2. Обучение ассоциативным правилам [Электронный ресурс]. – Режим доступа: https://ru.wikipedia.org/wiki/Обучение_ассоциативным_правилам, свободный. Дата обращения: 01.03.2019. – Загл. с экрана. 3. Agrawal R., Imieliński T., Swami A. Mining association rules between sets of items in large databases // Proceedings of the 1993 ACM SIGMOD international conference on Management of data - SIGMOD '93. – 1993. 4. Michael Hahsler. Introduction to arules – A computational environment for mining association rules and frequent item sets // Journal of Statistical Software. – 2005. 5. Ассоциативные правила [Электронный ресурс]. – Режим доступа: https://habr.com/ru/company/ods/blog/353502/, свободный. Дата обращения: 01.03.2019. – Загл. с экрана. 6. Анализ рыночной корзины и ассоциативные правила [Электронный ресурс]. – Режим доступа: https://habr.com/ru/post/66016/, свободный. Дата обращения: 01.03.2019. – Загл. с экрана. 7. Zaki M. J. Scalable algorithms for association mining // IEEE Transactions on Knowledge and Data Engineering. – 2000. – Т. 12, вып. 3. 8. Top-10 data mining algorithms [Электронный ресурс]. – Режим доступа: http://datascientist.one/top-10-data-mining-algorithms/, свободный. Дата обращения: 01.03.2019. – Загл. с экрана. 9. Алгоритм Apriori [Электронный ресурс]. – Режим доступа: http://datascientist.one/apriori-algorithm/, свободный. Дата обращения: 01.03.2019. – Загл. с экрана. 10. Apriori — масштабируемый алгоритм поиска ассоциативных правил [Электронный ресурс]. – Режим доступа: https://basegroup.ru/community/articles/apriori, свободный. Дата обращения: 01.03.2019. – Загл. с экрана. 11. Методы поиска ассоциативных правил [Электронный ресурс]. – Режим доступа: https://www.intuit.ru/studies/curriculums/19433/courses/6/lecture/186?page=3, свободный. Дата обращения: 01.03.2019. – Загл. с экрана. 12. Разновидности алгоритма Apriori [Электронный ресурс]. – Режим доступа: https://www.intuit.ru/studies/courses/6/6/lecture/186?page=4, свободный. Дата обращения: 01.03.2019. – Загл. с экрана.