第26卷第6期48
2008年11月
北京工商大学学报(自然科学版)
Journal of Beij ing Technology and Busines s University (Natural S cience Edition )
V ol . 26N o . 6N ov . 2008
1671-1513(2008) 06-0048-04 文章编号:
网上超市购物系统的设计与实现
孟海洋, 薛 红, 郭培源, 曹利红
(北京工商大学信息工程学院, 北京 100048)
摘 要:运用JSP 技术和数据仓库技术, 基于MVC 模式开发了一个网上超市购物系统, 除了可以进行注册会员、会员登录、浏览商品、下订单及商品查询, 还可以基于客户当前或者之前的购物篮中
的产品来推荐新的产品, 以及根据客户的资料向客户推荐不同等级的会员卡. 关键词:MVC 模式; JSP ; 电子商务; 数据仓库; 超市中图分类号:TP311. 13 文献标识码:A 网上购物是一种具有交互功能的商业信息系统. 在美、日等信息化程度较高的国家和地区, 网络商店发展速度迅猛, 美国的世界级超一流的零售商, 如沃尔玛、凯玛特、家庭仓储、科罗格、J . C 培尼等纷纷跻身于网络经商的行列. 在我国, 网上购物从无到有也不过短短几年时间. 根据CNNIC 的统计结果, 截止2004年1月中国有互联网用户7950万人, 有40. 7%以上的网民在过去的一年里有过网上购物经历, 中国有网上购物的用户达到3235. 7万人, 并且这一数字还在以每年17%左右的速度增长, 到2006年中国网上购物用户达到6962万人, 因此中国发展网上购物具有良好的群众基础, 网上购物方式日趋被大家所接受[1].
随着Internet 的不断普及, 人们对于互联网技术的要求已不单单是浏览一下网页, 收发电子邮件, 日益忙碌的人们开始追求足不出户地利用互联网这一强大的平台来实现网上购物. 对于企业来讲, 如果能够实现网上交易, 将大大提高交易速度, 节约交易成本. 近几年, 随着网络数据库技术的进一步发展, 使得这一设想逐渐成为现实. 网上购物是一种具有交互功能的商业信息系统, 一方面, 用户可以进行网上交易, 另一方面, 商家也可以进一步提高经济效益. 因此, 网上购物系统具有强大的交互功能, 可
收稿日期:2007-10-10
基金项目:北京市教委科技发展计划项目(KM [1**********]6) ; 北京市属市管高等学校中青年骨干教师培养计划项目(200775) . 作者简介:孟海洋(1983—), 女, 辽宁鞍山人, 硕士研究生, 研究方向为数据仓库与商业智能;
薛 红(1961—), 女, 河南郑州人, 副教授, 博士在读, 主要从事智能控制方面的研究.
使商家和用户方便地传递信息.
1 运行平台
操作系统采用Microsoft Windows2000, 配合Struts 开发架构及Hibernate 开发架构[2]. 客户端采用IE6. 0. 本系统以Window s XP 为Web 平台, JSP +Struts +Hibernate 为网站实现技术, 建立基于SQL Server 2005作为系统后台数据仓库的动态网站, 实现电子商务网站前台购物、后台维护管理、商品推荐信息、会员卡管理等功能模块.
2 系统功能设计
网上购物系统的主要任务是实现网上查询、购买商品、实现商品推荐信息、会员卡管理等功能, 系统应有商品信息的动态展示、用户注册登录管理、购物车管理等模块.
1) 用户注册登录管理模块
用于建立固定的客户群, 并详细地记录客户的档案, 以便于通过客户档案库将新产品方便地传达给每一位用户, 为会员卡管理模块所制订的决策打下基础.
2) 购物车管理模块
第26卷第6期 孟海洋等:网上超市购物系统的设计与实现49
可以在用户选择购买对应商品之后, 将其所选购的商品信息保存在购物车中, 直到用户到收银台确定所购商品, 同时在确认后生成相关的订单; 用户在网站驻留期间可以随时查看购物车, 也可以对已生成的订单进行操作.
3) 商品推荐信息模块
根据不同客户的不同需求, 以及应用以往客户订单, 找出相应规律, 确定正确的推荐信息.
4) 会员卡管理模块
根据不同客户的婚姻状况、年收入状况、受教育状况等信息, 了解会员卡在客户中的分布情况, 向客户推荐不同等级的会员卡.
元素是可连接的.
2) 剪枝步:根据Apriori 性质, 将候选k 项集C k
的(k -1) -子集中不在L k -1中的候选项删除, 从而压缩了C k . 扫描数据库, 确定C k 中每个候选项的计数, 将满足最小支持度计数的所有候选项归入频繁k -项集L k .
表1 事务数据库
编号1234567
商品列表1, 2, 5, 6, 92, 4, 82, 3, 7, 91, 2, 41, 3, 4, 6, 82, 3, 6, 91, 3, 6, 7
编号[1**********]4
商品列表1, 2, 3, 5, 81, 2, 3, 91, 3, 6, 92, 5, 7, 93, 5, 71, 2, 4, 71, 2, 5, 8
3 系统的实现
本系统采用M VC 模式(即视图-控制器-模型) , 由Hibernate 实现数据持久化, 采用Struts 中的Ac -tion 具体体现商业逻辑, 由JSP 实现表示层[3].
超市购物系统的运作贯穿着三个流程:简单购物系统、网上超市购物系统推荐信息、会员卡管理. 3. 1 简单网上购物系统
顾客可以直接浏览商品目录、进行商品查询, 并浏览商品详细信息, 也可选购自己喜欢的商品放入购物车, 但只有使用会员身份登录进入网上商店的顾客才能进行结账和生成订单的操作. 顾客在前台首先通过浏览或查询等手段找到要购买的商品, 然后将选定产品放到购物车中, 如果用户此时没有登录, 在用户想结账时则会提示用户登录, 如果用户已经登录, 则转到收银台页面. 购物车只是一个临时的存放处, 只有当向系统提交订单, 并得到系统的确定后, 用户才算完成了整个购物过程3. 2 网上超市购物系统推荐信息
网上超市通常通过系统前端购物车收集交易数据, 并以项目集的形式存放在事务数据库中
[5]
[4]
找出满足最小支持计数为3的频繁项集的过程如表2和表3.
表2 选1-项集C 1
项集123
支持度计数
9108455546
筛选
表3 频繁1-项集L 1
项集123
支持度计数
9108455546
456789
456789
.
按照连接规则生成所有候选2-项集C ′2=L 1∞L 1, 即:{{1, 2},{1, 3}, {1, 4}, {1, 5}, {1, 6}, {1, 7}, {1, 8}, {1, 9}, {2, 3}, {2, 4}, {2, 5}, {2, 6}, {2, 7}, {2, 8}, {2, 9}, {3, 4}, {3, 5}, {3, 6}, {3, 7}, {3, 8},
{3, 9}, {4, 5}, {4, 6}, {4, 7}, {4, 8}, {4, 9}, {5, 6}, {5, 7}, {5, 8}, {5, 9}, {6, 7}, {6, 8}, {6, 9}, {7, 8}, {7, 9}, {8, 9}}
由于C ′2每个候选项的1项子集都在频繁1-项集L 1中, 所以扫描整个事务数据库, 对于每个候选项进行计数, 筛选出满足最小支持度的频繁2-项集L 2, 如表4.
同理, 对L 2的所有选项实行连接算法L 2∞L 2
. 针
对这种特点研究开发了以Aprio ri 算法为核心的“商品推荐信息”功能模块, 找出顾客购买的商品之间各
种联系, 帮助商家制定营销策略, 合理地安排推荐商品信息. 提取的销售信息如表1. (牛奶1, 面包2, 薯片3, 果汁4, 奶酪5, 口香糖6, 果仁7, 餐巾纸8, 咖啡9) .
将算法分成两步:连接和剪枝.
1) 连接步:通过频繁k -1-项集与自己连接产, L k 1L k -1, k -1
50
表4 频繁2-项集L 2
项集1, 21, 31, 41, 51, 61, 81, 92, 32, 4,
支持度计数
653343343
项集2, 52, 72, 82, 93, 63, 73, 96, 9
北京工商大学学报(自然科学版) 2008年11月
由频繁项集L 3={{1, 2, 5},{1, 3, 6},{2, 3, 9}}
支持度计数
43354343
产生关联规则, 计算出其置信度为:
(1) 1 2 5, confidence =33. 33%
(2) 2 1 5, confidence =30%(3) 5 1 2, confidence =60%(4) 1, 2 5, confidence =50%
(5) 1, 5 2, c onfidence =100% ---关联性很强(6) 2, 5 1, c onfidence =75% ---关联性较强(7) 1 3 6, confidence =33. 33%(8) 3 1, 6, confidence =37. 5%
从结果可以得出:当某一客户购买牛奶和奶酪时, 则极有可能同时购买面包, 应主动将面包作为推荐商品. 3. 3 会员卡管理
通过用户的注册信息以及以往会员卡的持有情况, 可以得出不同等级的会员卡与用户其他信息的关联情况[6]. 以性别、职业、婚姻状况、在家子女数和年收入为例, 观察各属性对于会员卡等级的重要性, 经过处理, 结果如图1.
{{1, 2, 3}, {1, 2, 4}, {1, 2, 5}, {1, 2, 6}, {1, 2,
7}, {1, 2, 8}, {1, 2, 9}, {1, 3, 4}, {1, 3, 5},{1, 3, 6}, {1, 3, 7}, {1, 3, 8}, {1, 3, 9}, {1, 6, 9}, {1, 4, 5}, {1, 4, 6}, {1, 4, 8}, {1, 4, 9}, {1, 5, 6}, {1, 5, 8}, {1, 5, 9}, {1, 6, 8}, {1, 8, 9}, {2, 3, 4}, {2, 3, 5}, {2, 3, 6}{2, 3, 7}, {2, 3, 8}, {2, 3, 9}, {2, 4, 5}, {2, 4, 7}, {2, 4, 8}, {2, 4, 9}, {2, 5, 7}, {2, 5, 8}, {2, 5, 9}, {2, 6, 9}, {2, 7, 8}, {2, 7, 9}, {2, 8, 9}, {3, 6, 7},{3, 6, 9}, {3, 7, 9}}
根据Apriori 性质, 频繁项集的所有子集必须也是频繁的, 观察候选项{1, 2, 3}中所有2-项子集:{1, 2},{2, 3}, {1, 3}都是L 2的元素, 因此{1, 2, 3}可以保留在频繁3-项集中; 观察{1, 2, 6}中的所有2-项集:{1, 2},{1, 6}是L 2中的元素, 而{2, 6}不是L 2中的元素, 所以从C ′3中剪除{1, 2, 6}, 以此类推, 通过剪枝得到候选3-项集C 3并扫描数据库得到它们的计数, 筛选出满足最小支持度的选项, 如表5和表6.
表5 候选3-项集C 3
项集1, 2, 31, 2, 41, 2, 51, 2, 81, 2, 91, 3, 61, 3, 91, 6, 92, 3, 72, 3, 9支持度计数
2232232213
筛选满足最小
支持度的选项
表6 频繁3-项集L 3
项集1, 2, 51, 3, 62, 3, 9
支持度计数
333
图1 会员卡决策树
决策树上的每一个节点都被依据它代表的事例数目染色, 颜色越深代表事例越多, 单击各个叶子的分叉可进一步观察各个子树, 特性方框则以统计值和直方图两种方式显示各个节点的信息.
通过这个决策树, 管理者可以观察到在过去两年中分别持有金卡、银卡、铜卡和普通卡会员的特征. 比如年收入＄10K ～＄30K 的顾客中有92. 37%的是普通卡会员, 年收入在＄30K ～＄70K 、＄110K ～＄150K 的顾客中, 家里有三个孩子以上的金卡持有者比例都在一半以上, 三个孩子以下的大部分是铜卡持有者, 而年收入在＄90K ～＄110K 而且有三个孩子或四个孩子的顾客大部分是金卡
第26卷第6期 孟海洋等:网上超市购物系统的设计与实现51
子的顾客有76. 3%是银卡会员, 而有孩子的顾客有84. 69%是金卡会员.
从以上分析可以对这个消费群得出一些结论:
1) 中等收入有三个以上孩子的消费者一般都拥有金卡; 2) 高等收入消费者中是否有孩子是区别金卡和银卡持有人的重要特征;
3) 低等收入中普通卡会员占大多数; 4) 收入和子女数是决定会员卡级别的重要因素, 而性别、婚姻状况和职业对卡的类型基本没有影响.
由此, 会员卡管理模块可以使用这些信息来确定最可能选择某种级别会员卡的客户特征, 并根据这些特征制定会员卡服务策略和促销方案, 以便更好地适应顾客, 为企业留住固定的消费群.
内容. 目前基于该模型的系统处于试运行阶段, 还存在许多问题与不足, 如安全性能还不完善, 缺少网上支付认证加密系统等. 因此在今后的工作里, 这些功能与技术还需要加以提高和实现. 网上购物系统无论是在开发过程中, 还是建成后的日常维护过程中, 都需要进行严格的监测, 以保证购物系统的服务质量.
参考文献:
[1] 姚国章. 中国企业电子商务发展战略[M ]. 北京:北京
大学出版社, 2002.
[2] A lur D . J2EE 核心模式[M ]. 北京:机械工业出版社,
2002:126-212.
[3] 陈华军. J2EE 构建企业级应用解决方案[M ]. 北京:
人民邮电出版社, 2002:146-257.
[4] Ay ers D . Java 服务器端高级编程[M ]. 北京:机械工业
出版社, 2003:144-178.
[5] 刘智, 桑国明, 张维石. 一种基于DW +OLA P +DM 的
连锁销售决策支持系统模型[J ]. 交通与计算机, 2005, 23(2) :53-55.
[6] 梁循. 数据挖掘算法与应用[M ]. 北京:北京大学出版
社, 2006:56-132.
4 结束语
本系统不仅可以满足简单网上购物系统的需求, 而且可以通过购物系统所收集到的信息进行推
荐信息、会员卡管理, 极大地丰富了网上购物系统的
DESIGN AND REALIZATION OF ONLINE
SUPERMARKET SH OPPING SYSTEM
MENG H ai -yang , XUE Hong , GUO Pei -yuan , CAO Li -hong (College of Information Engineering , Beijing Technology and Business
U niversity , Beijing 100048, China )
A bstract :With JSP technique , the data w arehouse and MVC mode , the online superm arket shopping sy stem was designed . In the system , customer can very conveniently be registered to become the mem -ber . Merchandise can be looked throug h and searched . The merchandise ' s detail data can be looked over . The needed merchandise was purchased according to the fancy . The o rder of customer w as auto -matically created . The order was put in and the goods was consigned according to the information of customer filling in . M erchandise may be appended and edited . The reg istered customer w as checked
up and the referred order was handled .
Key words :MVC mode ; Java Server Pages ; electronic com merce ; data w arehouse ; supermarket
(责任编辑:王 宽)
第26卷第6期48
2008年11月
北京工商大学学报(自然科学版)
Journal of Beij ing Technology and Busines s University (Natural S cience Edition )
V ol . 26N o . 6N ov . 2008
1671-1513(2008) 06-0048-04 文章编号:
网上超市购物系统的设计与实现
孟海洋, 薛 红, 郭培源, 曹利红
(北京工商大学信息工程学院, 北京 100048)
摘 要:运用JSP 技术和数据仓库技术, 基于MVC 模式开发了一个网上超市购物系统, 除了可以进行注册会员、会员登录、浏览商品、下订单及商品查询, 还可以基于客户当前或者之前的购物篮中
的产品来推荐新的产品, 以及根据客户的资料向客户推荐不同等级的会员卡. 关键词:MVC 模式; JSP ; 电子商务; 数据仓库; 超市中图分类号:TP311. 13 文献标识码:A 网上购物是一种具有交互功能的商业信息系统. 在美、日等信息化程度较高的国家和地区, 网络商店发展速度迅猛, 美国的世界级超一流的零售商, 如沃尔玛、凯玛特、家庭仓储、科罗格、J . C 培尼等纷纷跻身于网络经商的行列. 在我国, 网上购物从无到有也不过短短几年时间. 根据CNNIC 的统计结果, 截止2004年1月中国有互联网用户7950万人, 有40. 7%以上的网民在过去的一年里有过网上购物经历, 中国有网上购物的用户达到3235. 7万人, 并且这一数字还在以每年17%左右的速度增长, 到2006年中国网上购物用户达到6962万人, 因此中国发展网上购物具有良好的群众基础, 网上购物方式日趋被大家所接受[1].
随着Internet 的不断普及, 人们对于互联网技术的要求已不单单是浏览一下网页, 收发电子邮件, 日益忙碌的人们开始追求足不出户地利用互联网这一强大的平台来实现网上购物. 对于企业来讲, 如果能够实现网上交易, 将大大提高交易速度, 节约交易成本. 近几年, 随着网络数据库技术的进一步发展, 使得这一设想逐渐成为现实. 网上购物是一种具有交互功能的商业信息系统, 一方面, 用户可以进行网上交易, 另一方面, 商家也可以进一步提高经济效益. 因此, 网上购物系统具有强大的交互功能, 可
收稿日期:2007-10-10
基金项目:北京市教委科技发展计划项目(KM [1**********]6) ; 北京市属市管高等学校中青年骨干教师培养计划项目(200775) . 作者简介:孟海洋(1983—), 女, 辽宁鞍山人, 硕士研究生, 研究方向为数据仓库与商业智能;
薛 红(1961—), 女, 河南郑州人, 副教授, 博士在读, 主要从事智能控制方面的研究.
使商家和用户方便地传递信息.
1 运行平台
操作系统采用Microsoft Windows2000, 配合Struts 开发架构及Hibernate 开发架构[2]. 客户端采用IE6. 0. 本系统以Window s XP 为Web 平台, JSP +Struts +Hibernate 为网站实现技术, 建立基于SQL Server 2005作为系统后台数据仓库的动态网站, 实现电子商务网站前台购物、后台维护管理、商品推荐信息、会员卡管理等功能模块.
2 系统功能设计
网上购物系统的主要任务是实现网上查询、购买商品、实现商品推荐信息、会员卡管理等功能, 系统应有商品信息的动态展示、用户注册登录管理、购物车管理等模块.
1) 用户注册登录管理模块
用于建立固定的客户群, 并详细地记录客户的档案, 以便于通过客户档案库将新产品方便地传达给每一位用户, 为会员卡管理模块所制订的决策打下基础.
2) 购物车管理模块
第26卷第6期 孟海洋等:网上超市购物系统的设计与实现49
可以在用户选择购买对应商品之后, 将其所选购的商品信息保存在购物车中, 直到用户到收银台确定所购商品, 同时在确认后生成相关的订单; 用户在网站驻留期间可以随时查看购物车, 也可以对已生成的订单进行操作.
3) 商品推荐信息模块
根据不同客户的不同需求, 以及应用以往客户订单, 找出相应规律, 确定正确的推荐信息.
4) 会员卡管理模块
根据不同客户的婚姻状况、年收入状况、受教育状况等信息, 了解会员卡在客户中的分布情况, 向客户推荐不同等级的会员卡.
元素是可连接的.
2) 剪枝步:根据Apriori 性质, 将候选k 项集C k
的(k -1) -子集中不在L k -1中的候选项删除, 从而压缩了C k . 扫描数据库, 确定C k 中每个候选项的计数, 将满足最小支持度计数的所有候选项归入频繁k -项集L k .
表1 事务数据库
编号1234567
商品列表1, 2, 5, 6, 92, 4, 82, 3, 7, 91, 2, 41, 3, 4, 6, 82, 3, 6, 91, 3, 6, 7
编号[1**********]4
商品列表1, 2, 3, 5, 81, 2, 3, 91, 3, 6, 92, 5, 7, 93, 5, 71, 2, 4, 71, 2, 5, 8
3 系统的实现
本系统采用M VC 模式(即视图-控制器-模型) , 由Hibernate 实现数据持久化, 采用Struts 中的Ac -tion 具体体现商业逻辑, 由JSP 实现表示层[3].
超市购物系统的运作贯穿着三个流程:简单购物系统、网上超市购物系统推荐信息、会员卡管理. 3. 1 简单网上购物系统
顾客可以直接浏览商品目录、进行商品查询, 并浏览商品详细信息, 也可选购自己喜欢的商品放入购物车, 但只有使用会员身份登录进入网上商店的顾客才能进行结账和生成订单的操作. 顾客在前台首先通过浏览或查询等手段找到要购买的商品, 然后将选定产品放到购物车中, 如果用户此时没有登录, 在用户想结账时则会提示用户登录, 如果用户已经登录, 则转到收银台页面. 购物车只是一个临时的存放处, 只有当向系统提交订单, 并得到系统的确定后, 用户才算完成了整个购物过程3. 2 网上超市购物系统推荐信息
网上超市通常通过系统前端购物车收集交易数据, 并以项目集的形式存放在事务数据库中
[5]
[4]
找出满足最小支持计数为3的频繁项集的过程如表2和表3.
表2 选1-项集C 1
项集123
支持度计数
9108455546
筛选
表3 频繁1-项集L 1
项集123
支持度计数
9108455546
456789
456789
.
按照连接规则生成所有候选2-项集C ′2=L 1∞L 1, 即:{{1, 2},{1, 3}, {1, 4}, {1, 5}, {1, 6}, {1, 7}, {1, 8}, {1, 9}, {2, 3}, {2, 4}, {2, 5}, {2, 6}, {2, 7}, {2, 8}, {2, 9}, {3, 4}, {3, 5}, {3, 6}, {3, 7}, {3, 8},
{3, 9}, {4, 5}, {4, 6}, {4, 7}, {4, 8}, {4, 9}, {5, 6}, {5, 7}, {5, 8}, {5, 9}, {6, 7}, {6, 8}, {6, 9}, {7, 8}, {7, 9}, {8, 9}}
由于C ′2每个候选项的1项子集都在频繁1-项集L 1中, 所以扫描整个事务数据库, 对于每个候选项进行计数, 筛选出满足最小支持度的频繁2-项集L 2, 如表4.
同理, 对L 2的所有选项实行连接算法L 2∞L 2
. 针
对这种特点研究开发了以Aprio ri 算法为核心的“商品推荐信息”功能模块, 找出顾客购买的商品之间各
种联系, 帮助商家制定营销策略, 合理地安排推荐商品信息. 提取的销售信息如表1. (牛奶1, 面包2, 薯片3, 果汁4, 奶酪5, 口香糖6, 果仁7, 餐巾纸8, 咖啡9) .
将算法分成两步:连接和剪枝.
1) 连接步:通过频繁k -1-项集与自己连接产, L k 1L k -1, k -1
50
表4 频繁2-项集L 2
项集1, 21, 31, 41, 51, 61, 81, 92, 32, 4,
支持度计数
653343343
项集2, 52, 72, 82, 93, 63, 73, 96, 9
北京工商大学学报(自然科学版) 2008年11月
由频繁项集L 3={{1, 2, 5},{1, 3, 6},{2, 3, 9}}
支持度计数
43354343
产生关联规则, 计算出其置信度为:
(1) 1 2 5, confidence =33. 33%
(2) 2 1 5, confidence =30%(3) 5 1 2, confidence =60%(4) 1, 2 5, confidence =50%
(5) 1, 5 2, c onfidence =100% ---关联性很强(6) 2, 5 1, c onfidence =75% ---关联性较强(7) 1 3 6, confidence =33. 33%(8) 3 1, 6, confidence =37. 5%
从结果可以得出:当某一客户购买牛奶和奶酪时, 则极有可能同时购买面包, 应主动将面包作为推荐商品. 3. 3 会员卡管理
通过用户的注册信息以及以往会员卡的持有情况, 可以得出不同等级的会员卡与用户其他信息的关联情况[6]. 以性别、职业、婚姻状况、在家子女数和年收入为例, 观察各属性对于会员卡等级的重要性, 经过处理, 结果如图1.
{{1, 2, 3}, {1, 2, 4}, {1, 2, 5}, {1, 2, 6}, {1, 2,
7}, {1, 2, 8}, {1, 2, 9}, {1, 3, 4}, {1, 3, 5},{1, 3, 6}, {1, 3, 7}, {1, 3, 8}, {1, 3, 9}, {1, 6, 9}, {1, 4, 5}, {1, 4, 6}, {1, 4, 8}, {1, 4, 9}, {1, 5, 6}, {1, 5, 8}, {1, 5, 9}, {1, 6, 8}, {1, 8, 9}, {2, 3, 4}, {2, 3, 5}, {2, 3, 6}{2, 3, 7}, {2, 3, 8}, {2, 3, 9}, {2, 4, 5}, {2, 4, 7}, {2, 4, 8}, {2, 4, 9}, {2, 5, 7}, {2, 5, 8}, {2, 5, 9}, {2, 6, 9}, {2, 7, 8}, {2, 7, 9}, {2, 8, 9}, {3, 6, 7},{3, 6, 9}, {3, 7, 9}}
根据Apriori 性质, 频繁项集的所有子集必须也是频繁的, 观察候选项{1, 2, 3}中所有2-项子集:{1, 2},{2, 3}, {1, 3}都是L 2的元素, 因此{1, 2, 3}可以保留在频繁3-项集中; 观察{1, 2, 6}中的所有2-项集:{1, 2},{1, 6}是L 2中的元素, 而{2, 6}不是L 2中的元素, 所以从C ′3中剪除{1, 2, 6}, 以此类推, 通过剪枝得到候选3-项集C 3并扫描数据库得到它们的计数, 筛选出满足最小支持度的选项, 如表5和表6.
表5 候选3-项集C 3
项集1, 2, 31, 2, 41, 2, 51, 2, 81, 2, 91, 3, 61, 3, 91, 6, 92, 3, 72, 3, 9支持度计数
2232232213
筛选满足最小
支持度的选项
表6 频繁3-项集L 3
项集1, 2, 51, 3, 62, 3, 9
支持度计数
333
图1 会员卡决策树
决策树上的每一个节点都被依据它代表的事例数目染色, 颜色越深代表事例越多, 单击各个叶子的分叉可进一步观察各个子树, 特性方框则以统计值和直方图两种方式显示各个节点的信息.
通过这个决策树, 管理者可以观察到在过去两年中分别持有金卡、银卡、铜卡和普通卡会员的特征. 比如年收入＄10K ～＄30K 的顾客中有92. 37%的是普通卡会员, 年收入在＄30K ～＄70K 、＄110K ～＄150K 的顾客中, 家里有三个孩子以上的金卡持有者比例都在一半以上, 三个孩子以下的大部分是铜卡持有者, 而年收入在＄90K ～＄110K 而且有三个孩子或四个孩子的顾客大部分是金卡
第26卷第6期 孟海洋等:网上超市购物系统的设计与实现51
子的顾客有76. 3%是银卡会员, 而有孩子的顾客有84. 69%是金卡会员.
从以上分析可以对这个消费群得出一些结论:
1) 中等收入有三个以上孩子的消费者一般都拥有金卡; 2) 高等收入消费者中是否有孩子是区别金卡和银卡持有人的重要特征;
3) 低等收入中普通卡会员占大多数; 4) 收入和子女数是决定会员卡级别的重要因素, 而性别、婚姻状况和职业对卡的类型基本没有影响.
由此, 会员卡管理模块可以使用这些信息来确定最可能选择某种级别会员卡的客户特征, 并根据这些特征制定会员卡服务策略和促销方案, 以便更好地适应顾客, 为企业留住固定的消费群.
内容. 目前基于该模型的系统处于试运行阶段, 还存在许多问题与不足, 如安全性能还不完善, 缺少网上支付认证加密系统等. 因此在今后的工作里, 这些功能与技术还需要加以提高和实现. 网上购物系统无论是在开发过程中, 还是建成后的日常维护过程中, 都需要进行严格的监测, 以保证购物系统的服务质量.
参考文献:
[1] 姚国章. 中国企业电子商务发展战略[M ]. 北京:北京
大学出版社, 2002.
[2] A lur D . J2EE 核心模式[M ]. 北京:机械工业出版社,
2002:126-212.
[3] 陈华军. J2EE 构建企业级应用解决方案[M ]. 北京:
人民邮电出版社, 2002:146-257.
[4] Ay ers D . Java 服务器端高级编程[M ]. 北京:机械工业
出版社, 2003:144-178.
[5] 刘智, 桑国明, 张维石. 一种基于DW +OLA P +DM 的
连锁销售决策支持系统模型[J ]. 交通与计算机, 2005, 23(2) :53-55.
[6] 梁循. 数据挖掘算法与应用[M ]. 北京:北京大学出版
社, 2006:56-132.
4 结束语
本系统不仅可以满足简单网上购物系统的需求, 而且可以通过购物系统所收集到的信息进行推
荐信息、会员卡管理, 极大地丰富了网上购物系统的
DESIGN AND REALIZATION OF ONLINE
SUPERMARKET SH OPPING SYSTEM
MENG H ai -yang , XUE Hong , GUO Pei -yuan , CAO Li -hong (College of Information Engineering , Beijing Technology and Business
U niversity , Beijing 100048, China )
A bstract :With JSP technique , the data w arehouse and MVC mode , the online superm arket shopping sy stem was designed . In the system , customer can very conveniently be registered to become the mem -ber . Merchandise can be looked throug h and searched . The merchandise ' s detail data can be looked over . The needed merchandise was purchased according to the fancy . The o rder of customer w as auto -matically created . The order was put in and the goods was consigned according to the information of customer filling in . M erchandise may be appended and edited . The reg istered customer w as checked
up and the referred order was handled .
Key words :MVC mode ; Java Server Pages ; electronic com merce ; data w arehouse ; supermarket
(责任编辑:王 宽)