基于居民便利服務(wù)信息的模型構(gòu)建

劉曉云

（臨沂職業(yè)學(xué)院 山東 臨沂 276017）

近年來，隨著計算機(jī)網(wǎng)絡(luò)的不斷發(fā)展，在居民小區(qū)中物流技術(shù)和網(wǎng)絡(luò)技術(shù)逐漸廣泛應(yīng)用，文中通過設(shè)計開發(fā)居民便利服務(wù)系統(tǒng)，建立網(wǎng)絡(luò)信息墻，向小區(qū)居民分欄發(fā)布最新的蔬菜產(chǎn)品價格行情、日常實用新產(chǎn)品技術(shù)、醫(yī)療保健信息、家政供求信息、政策法規(guī)通知等各類小區(qū)居民生活服務(wù)信息，供居民選用、訂制，形成新的商品、服務(wù)營銷模式。“網(wǎng)絡(luò)信息墻”的設(shè)立，為供需雙方的溝通提供了新的方式，提高了小區(qū)居民的信息化應(yīng)用水平。

1 背景知識

1.1 數(shù)據(jù)挖掘

數(shù)據(jù)挖掘是指在已構(gòu)建的數(shù)據(jù)對象中，采用數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)開采、結(jié)果表達(dá)和解釋3個處理階段從隱含在人們事先未知的、潛在的有用信息和知識中提取出可表示為概念規(guī)則、規(guī)律、模式等形式的知識。文中采用由R.Agrawal等提出的關(guān)聯(lián)規(guī)則進(jìn)行分析、研究[4-6]。

1.2 信息服務(wù)鏈

在居民便利服務(wù)系統(tǒng)中，根據(jù)小區(qū)居民訂制的各類生活服務(wù)信息，及時匯總、保存，并進(jìn)行數(shù)據(jù)信息挖掘、分析，以便發(fā)現(xiàn)瀏覽者感興趣的信息或者服務(wù)，并根據(jù)該相關(guān)信息，預(yù)測出最近將來一段時間內(nèi)，該用戶還可能要購買那種商品的一種關(guān)聯(lián)，以此形成的服務(wù)信息鏈為信息服務(wù)鏈。

2 網(wǎng)絡(luò)信息墻的模型設(shè)計

2.1 多層次關(guān)聯(lián)規(guī)則算法

在居民便利服務(wù)系統(tǒng)中，根據(jù)信息服務(wù)鏈的定義，會在數(shù)據(jù)庫中存在大量的有用信息需要分析、挖掘，以便為后續(xù)營銷或服務(wù)提供知識發(fā)現(xiàn)。如圖1居民便利服務(wù)系統(tǒng)數(shù)據(jù)挖掘處理流程模型所示。

圖1 居民便利服務(wù)信息庫的數(shù)據(jù)挖掘流程模型Fig.1 Data mining procedural model of resident convenient service information database

居民便利服務(wù)是多層次、多方位、復(fù)雜化的。網(wǎng)絡(luò)信息墻中存有大量的數(shù)據(jù)信息，首先從中進(jìn)行取樣（sampling）[8]，通過對局部數(shù)據(jù)的統(tǒng)計和分析，建立確定從概念層次的中間挖掘的起點，以此挖掘到符合閾值的關(guān)聯(lián)規(guī)則，最后采用多層次關(guān)聯(lián)規(guī)則挖掘算法對網(wǎng)絡(luò)信息墻中進(jìn)行數(shù)據(jù)挖掘。

多層次關(guān)聯(lián)規(guī)則挖掘算法ML_ARDM[6-7]

輸入:貿(mào)易數(shù)據(jù)庫TDB，概念層次樹Tree，最小支持度Smin，最小可信度Cmin。

輸出:多層次關(guān)聯(lián)規(guī)則信息集。

主挖掘算法:

l）以Tid為依據(jù)進(jìn)行取樣，然后另存為取樣數(shù)據(jù)庫TDatabase；

2）運(yùn)用取樣挖掘算法對TDatabase中的數(shù)據(jù)進(jìn)行取樣挖掘；

3）把取樣挖掘產(chǎn)生的S_Tree作為概念層次樹，用于實現(xiàn)挖掘算法對整體數(shù)據(jù)進(jìn)行實現(xiàn)挖掘。

取樣挖掘算法:

l）計算頻繁項集得到S_Tree；

2）從S_Tree中刪除當(dāng)前節(jié)點以及后續(xù)都不能組成頻繁規(guī)則的節(jié)點，記為S_Tree′；

3）擴(kuò)展S_Tree′中的S_Tree的葉子節(jié)點；

4）S_Tree:=S_Tree′+根節(jié)點， 重新構(gòu)建S_Tree， 使之成為一棵完整的帶有信息服務(wù)的樹；

5）擴(kuò)展S_Tree中的所有節(jié)點的下一級子節(jié)點，加入S_Tree，S_Tree使降低一層。

實現(xiàn)挖掘算法:

l）進(jìn)行頻繁項集計算處理；

2）計算后選規(guī)則集；

3）生成優(yōu)化的規(guī)則集；

算法說明:取樣挖掘算法目的是為了得到取樣樹S_Tree，為實現(xiàn)挖掘算法選擇合適的起點。

取樣挖掘算法中步驟3～5的作用是為S_Tree中盡可能多的包含可能組成規(guī)則的節(jié)點，目的是使實現(xiàn)挖掘得出的規(guī)則在挖掘結(jié)果中更具完整性。

2.2 需求購進(jìn)量模型設(shè)計

在居民便利服務(wù)中，各類資源之間存在較為復(fù)雜的關(guān)系，比如：日用品及蔬菜配送、醫(yī)療保健、家政供求、人力配備、價格、居民人數(shù)等6個因素會存在利用沖突的問題。為此，居民服務(wù)中心從采購中心購進(jìn)日用百貨時，應(yīng)考慮最大盈利問題，即：早上進(jìn)的貨零售，晚上將沒有售掉的退回。根據(jù)居民區(qū)內(nèi)居民通過網(wǎng)絡(luò)或者實時通訊工具向居民服務(wù)中心提交的需求信息，由多層次關(guān)聯(lián)規(guī)則挖掘算法，可以建立日用百貨需求購進(jìn)量模型。

設(shè)豆?jié){每份的購進(jìn)價格b（buy），零售價為s（sale），返回價為r（return），則根據(jù)正常市場經(jīng)濟(jì)運(yùn)行規(guī)則，可設(shè)：s>b>r。 因此，居民服務(wù)中心每銷售一份豆?jié){可賺s-b，返回一份賠b-r。居民服務(wù)中心每天如果購進(jìn)的豆?jié){太少，則無法滿足顧客需要，盈利則少；如果豆?jié){購進(jìn)太多，則無法全部售出，還要退回賠錢。為此，應(yīng)根據(jù)需求量確定購進(jìn)量。需求量是根據(jù)多層次管理關(guān)聯(lián)規(guī)則算法得出的每日豆?jié){需求量概率數(shù)為x份的概率是f（x）（x=0，1，2，3…），則可以在f（x）和s，b，r之間建立關(guān)于需求購進(jìn)量優(yōu)化模型[7-9]。

假設(shè)每天豆?jié){購進(jìn)量為n份，因為需求量x是隨機(jī)不確定的，x可以小于n，等于n或大于n，因此，豆?jié){的日盈利也是變化不定的，作為優(yōu)化模型的目標(biāo)函數(shù)，應(yīng)考慮的是一段時間的平均盈利。

若居民服務(wù)中心每天購進(jìn)n份豆?jié){時的平均盈利為G（n），如果當(dāng)天的需求量x≤n，則售出x份，退回n-x；如果當(dāng)天的需求量x>n，則n份全部售完。考慮到需求量x的概率是f（x），所以

問題歸結(jié)為在f（x），b，s，r已知時，求n使G（n）最大。

通常需求量x的取值和購進(jìn)量n都相當(dāng)大，將x視為連續(xù)變量更便于分析和計算，此時概率函數(shù)f（x）轉(zhuǎn)化為概率密度函數(shù)p（x），（1）式變?yōu)椋?/p>

化解計算得：

要使居民服務(wù)中心的平均盈利達(dá)到最大的購進(jìn)量n應(yīng)滿足（3）式。因為，因此表達(dá)式（3）也可表示為：

由需求量的概率密度p（x）的圖形能交容易從（3）式確定購進(jìn)量n。 在圖2中，P1，P2分別表示曲線p（x）下的兩塊面積，則（3）式可表示為：

圖 2 由p（x）確定n的圖解法Fig.2 By p（x） graphic method of determining n

居民服務(wù)中心可以運(yùn)用此優(yōu)化模型的目標(biāo)函數(shù)在其他進(jìn)貨商品中使用，以此提高需求進(jìn)貨量的效益。而基于局域網(wǎng)的服務(wù)信息，通過網(wǎng)絡(luò)信息墻及時顯示已預(yù)定的相關(guān)便利服務(wù)，以便其他居民及時調(diào)整選擇其他服務(wù)[10]。網(wǎng)絡(luò)信息墻的部署圖如圖3所示。

圖3 網(wǎng)絡(luò)信息墻的部署圖Fig.3 Deploy diagram of network information wall

3 結(jié)束語

在居民小區(qū)局域網(wǎng)中，根據(jù)居民個體需要，在其家內(nèi)安裝信息墻，利用網(wǎng)絡(luò)實時獲取小區(qū)居民訂制的各類日常服務(wù)信息，并運(yùn)用多層次關(guān)聯(lián)規(guī)則挖掘算法和需求購進(jìn)量模型目標(biāo)函數(shù)分析、挖掘得到確定的居民便利服務(wù)信息，同時通過網(wǎng)絡(luò)將相關(guān)信息顯示在信息墻，方便其他居民選擇不同的便利服務(wù)信息，以此提高居民信息化服務(wù)水平。

[1]蔡敏，徐慧慧，黃炳強(qiáng).UML基礎(chǔ)與Rose建模教程[M].北京：人民郵電出版社，2006.

[2]刁成嘉.UML系統(tǒng)建模與分析設(shè)計[M].北京：機(jī)械工業(yè)出版社，2007.

[3]Ronald J.Norman:Object-oriented system analysis snd design[M].Prentice Hall，inc，1996.

[4]范明，孟小峰.數(shù)據(jù)挖掘概念與技術(shù)[M].北京：機(jī)械工業(yè)出版社，2001.

[5]康曉東.基于數(shù)據(jù)倉庫的數(shù)據(jù)挖掘技術(shù)[M].北京：機(jī)械工業(yè)出版社，2004.

[6]陳子陽，郭景峰.多層次關(guān)聯(lián)規(guī)則的快速挖掘算法[J].燕山大學(xué)學(xué)報，2003（10）:363－366.CHEN Zi-yang，GUO Jing-feng.Fast mining algorithm for multilevel association rules[J].Journal of Yanshan University，2003（10）:363－366.

[7]程繼華，施鵬飛.多層次關(guān)聯(lián)規(guī)則的有效挖掘算法[J].軟件學(xué)報，1998（12）:937－942.CHENG Ji-hua，SHI Peng-fei.Effective mining algorithm for multi-level association rules[J].Journal of Software，1998（12）:937－942.

[8]胡健穎，孫山澤.抽樣調(diào)查的理論、方法和應(yīng)用[M].北京：北京大學(xué)出版社，2000.

[9]范錫軍.基于博弈的供應(yīng)鏈均衡模型研究[D].山東：山東師范大學(xué)，2008.

[10]陳蜀宇，陳四清.基于局域網(wǎng)的系統(tǒng)級概率分布式故障診斷[J].計算機(jī)科學(xué)，2000（5）:516－522.CHEN Shu-yu，CHEN Si-qing.Fault diagnosis of probabilistic distributed system-level based on LAN[J].Computer Science，2000（5）:516－522.