تحلیل سبد خرید با استفاده از رویکرد خوشه بندی و کاوش قواعد انجمنی

کشف دانش عملکردی از آنچه مشتری یا گروهی از مشتریان انجام می‌دهند، اغلب می‌تواند برای صنایع مختلف، مفید باشد. این نتایج می‌تواند در تعیین اینکه کدام محصولات به یکدیگر ارتباط دارند نیز کمک کند تا صنایع بتوانند از این دانش به منظور افزایش فروش در بازار استفاده کنند. در روش پیشنهادی تمام تراکنش‌های کاربران می‌توانند در روند تحلیل سبد خرید به سیستم کمک کنند. بعبارت دیگر، حتی خریدهایی که به ظاهر دارای ارتباط با تراکنش‌های فعلی کاربر نیست هم می‌تواند دارای اطلاعات مفیدی باشد و به انجام تحلیل سبد خرید مشتریان و ارتقای کارایی سیستم، کمک کند. مشکلی که سیستم‌های تحلیل سبد خرید صرفا مبتنی بر کشف قواعد انجمنی دارند این است که قادر نیستند قواعد انجمنی را به تفکیک گروه‌های کاربران مختلف به انجام برسانند. در روش پیشنهادی با استفاده از رویکرد خوشه‌بندی و کاوش قواعد انجمنی، این مشکل مرتفع خواهد شد و پیش بینی سبد خرید با کارایی بهتری انجام خواهد شد. برای سنجش نتایج حاصله از مقایسه روش پیشنهادی با دو روش دیگر مبتنی بر خوشه بندی k-means و فیلترینگ مشارکتی (cf) استفاده شده است و از برگزیده 5 مجموعه داده با 5 ژانر مختلف استفاده شده است. نتایج عملیاتی نشان داد که روش پیشنهادی بطور میانگین دارای عملکرد مطلوبی نسبت به روش‌های مورد مقایسه می‌باشد.