[发明专利]基于数据挖掘的竞争对手智能分析方法

说明书

技术领域

本发明涉及信息挖掘技术领域，具体基于数据挖掘的竞争对手智能分析方法。

背景技术

数据挖掘是指利用各种分析工具从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中通过算法搜索隐藏于其中信息的过程，这种方式能对未来做出预测和评估。目前，数据挖掘技术在商业领域已经不是一个新名词，它最早成功应用于高投入、高风险、高回报的金融领域，现在不断向电信、保险、零售等客户资源信息密集的行业拓展。

然而，现在的技术方案处理数据能力有限，无法针对竞争对手作深度挖掘。

发明内容

针对现有技术中的缺陷，本发明提供一种基于数据挖掘的竞争对手智能分析方法，能够对竞争对手数据进行深度挖掘、分析。

本发明提供的一种基于数据挖掘的竞争对手智能分析方法，包括以下步骤：

S1、数据收集：收集与客户相关的信息资料，存储于数据中心库；

S2、数据筛选：从数据中心库中提取原始数据，对原始数据进行限制，挑选出符合条件的数据；

S3、数据分析和建模:确定挖掘的任务信息，对筛选后的数据进行自动分类、自动重排、关联规则发现，然后根据挖掘任务建立关联挖掘模型；

S4、数据评价与发布：利用关联挖掘模型对竞争对手进行分析评价和数据发布。

进一步的， S3中的自动分类具体为采用TRS的自动分类技术，利用分类模板对预处理后的信息进行自动分类。

进一步的， S3中的自动重排具体为采用TRS自动重排技术，针对文本内容特征提取，计算内容文本之间的相似度，并通过倒排索引机制确保相似性检索的速度，从而调整排重效果。

进一步的， S3中所述关联规则分为单维单层关联规则和多维关联规则。

进一步的，单维单层关联规则具体为：根据最小支持度阈值找出任务信息中所有的频繁项集；然后根据频繁项集合最小置信度阈值产生所有关联规则。

进一步的，多维关联规则具体为对挖掘的多维数据分别进行钻取、切片、切块和旋转处理，以剖析数据；所述钻取为改变维的层次，变换分析粒度，包括向上钻取和向下钻取；所述切片和切块是在部分选定值后，关系度量数据在剩余维上的分布，如果剩余的维只有两个，则是切片，如果有三个，则是切块；所述旋转是变换维的方向，即在表格中重新安排维的放置。

进一步的，向上钻取为在某一维上将低层次的细节数据概括到高层次的汇总数据，或者减少维数；所述向下钻取从汇总数据深入到细节数据进行观察或增加新维。

进一步的，S4中数据评价与发布的具体方法为：（1）利用关联挖掘模型，得到竞争对手的初步信息；（2）将初步信息共享给利益相关者进行互动分析和反馈；（3）根据利益相关者的反馈来决定是否进行深层次的数据挖掘或者是否需要补充采集数据来得到更完整的信息；（4）最终这个过程得到饱和，将饱和信息输出至知识暂存库，用于进行评价和发布。

由上述技术方案可知，本发明的有益效果：

本发明提供一种基于数据挖掘的竞争对手智能分析方法，首先收集与客户相关的信息资料，存储于数据中心库；其次从数据中心库中提取原始数据，对原始数据进行限制，挑选出符合条件的数据；进而确定挖掘的任务信息，对筛选后的数据进行自动分类、自动重排、关联规则发现，然后根据挖掘任务建立关联挖掘模型；最后利用关联挖掘模型对竞争对手进行分析评价和数据发布。通过上述方法，能够对竞争对手数据进行深度挖掘、分析，得到更加完整知识。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。

图1为本发明一种基于数据挖掘的竞争对手智能分析方法的流程示意图。

具体实施方式

下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案，因此只作为示例，而不能以此来限制本发明的保护范围。

需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。

请参阅图1，本实施例提供一种基于数据挖掘的竞争对手智能分析方法，包括以下步骤：

S1、数据收集：收集与客户相关的信息资料，存储于数据中心库；