产品/服务配置规则获取的主要方式是用数据挖掘技术从设计实例数据库中提取.客户化服务方案配置规则为服务功能需求和方案特征间的关联规则.考虑到常用关联规则挖掘算法Apriori具有运算复杂的缺点,提出基于PIETM(Principle of Inclusion...产品/服务配置规则获取的主要方式是用数据挖掘技术从设计实例数据库中提取.客户化服务方案配置规则为服务功能需求和方案特征间的关联规则.考虑到常用关联规则挖掘算法Apriori具有运算复杂的缺点,提出基于PIETM(Principle of Inclusion—Exclusion and Transaction Mapping)算法的配置规则挖掘方法,考虑置信度和有趣度指标,提取强关联规则.针对配置实例数据库数据量较大时,配置规则挖掘的效率会降低且会产生大量冗余规则的问题,采用二元语义模型表达定性的服务功能需求,将同类客户群的功能需求进行合并,替换多样化的功能需求,减少规则的冗余.最后以一工程机械制造企业服务方案配置规则挖掘为例,验证了所提方法的有效性.展开更多
采用数据挖掘技术从企业已有的产品或服务规划知识中提取顾客需求和设计需求之间的映射规则,是进行产品或服务规划分析的重要方法。针对常用Apriori关联规则挖掘算法运算量大的问题,提出了基于PIETM(Principle of Inclusion-Exclusion a...采用数据挖掘技术从企业已有的产品或服务规划知识中提取顾客需求和设计需求之间的映射规则,是进行产品或服务规划分析的重要方法。针对常用Apriori关联规则挖掘算法运算量大的问题,提出了基于PIETM(Principle of Inclusion-Exclusion and Transaction Mapping)算法的顾客需求映射规则挖掘方法,提取强关联规则。针对规划设计数据量较大时,规则挖掘会产生大量冗余规则的问题,通过采用基于粗糙集的聚类方法对顾客需求以及设计需求可选值进行聚类,实现顾客需求映射规则的聚类分析。最后以某企业叉车方案规划中,顾客需求映射规则的挖掘和聚类分析为例,验证了所提方法的有效性。展开更多
文摘产品/服务配置规则获取的主要方式是用数据挖掘技术从设计实例数据库中提取.客户化服务方案配置规则为服务功能需求和方案特征间的关联规则.考虑到常用关联规则挖掘算法Apriori具有运算复杂的缺点,提出基于PIETM(Principle of Inclusion—Exclusion and Transaction Mapping)算法的配置规则挖掘方法,考虑置信度和有趣度指标,提取强关联规则.针对配置实例数据库数据量较大时,配置规则挖掘的效率会降低且会产生大量冗余规则的问题,采用二元语义模型表达定性的服务功能需求,将同类客户群的功能需求进行合并,替换多样化的功能需求,减少规则的冗余.最后以一工程机械制造企业服务方案配置规则挖掘为例,验证了所提方法的有效性.
文摘采用数据挖掘技术从企业已有的产品或服务规划知识中提取顾客需求和设计需求之间的映射规则,是进行产品或服务规划分析的重要方法。针对常用Apriori关联规则挖掘算法运算量大的问题,提出了基于PIETM(Principle of Inclusion-Exclusion and Transaction Mapping)算法的顾客需求映射规则挖掘方法,提取强关联规则。针对规划设计数据量较大时,规则挖掘会产生大量冗余规则的问题,通过采用基于粗糙集的聚类方法对顾客需求以及设计需求可选值进行聚类,实现顾客需求映射规则的聚类分析。最后以某企业叉车方案规划中,顾客需求映射规则的挖掘和聚类分析为例,验证了所提方法的有效性。