论文部分内容阅读
随着经济发展进入平稳期,连锁零售业也告别高增长,进入“个性化”时代。个性化的要求,催生零售业经营策略的转变,构建适宜的、满足不同区域客户个性化要求的连锁零售业信息系统,是推动连锁零售业走出发展瓶颈的有效手段之一。为此,针对连锁便利店零售业务特点、商品销售的关联规则,以及客户个性化要求,本文研究与实现了基于云数据库(RDS)连锁便利店智能管理信息系统。首先,本文设计了一种基于云数据库的数据存储模式。连锁便利店信息系统的数据交换和存储一般在总部的服务器上,随着时间的推移,总部业务数据逐渐增多,总部服务器性能瓶颈、扩展瓶颈及数据的安全成为系统需要解决的问题;本文将总部数据库搭建在云数据库,利用云数据库为连锁便利店进行数据存储、备份、扩展及安全设计,既节省了对服务器的维护成本,也增强了对数据安全性的保障,还兼具了可扩展性的要求。其次,本文设计与实现了一种实时的门店和总部之间的数据传输模式。针对各个便利店门店与总部进行数据传输过程中,可能出现的网络堵塞及数据的不一致性问题,本文利用postgre_fdw拓展实现了各个PostgreSQL数据库与云数据库之间的跨数据库操作,从而有效的避免了数据量增大时引起的网络堵塞或数据库连接异常问题。再次,本文改进了 Apriori算法,并提出了一种基于数据关联规则挖掘的智能连锁便利店系统的模型。针对数据挖掘算法Apriori在数据挖掘过程中,会产生大量的候选集,以及在计算候选集支持度时要进行对整个数据库的扫描,导致算法性能过低等问题,本文提出了一种从数据库扫描优化、频繁项集连接前优化、频繁项集连接时优化这三个方面对Apriori算法进行改进的方法,使用数据库支持度矩阵存储频繁1-项集、频繁2-项集的支持度,使用二进制支持度向量事务集来减少事务项的连接次数及比较次数,避免过多的访问原始数据库,从而有效的提高Apriori算法的性能。此外,提取连锁便利店以往的销售数据进行处理后,利用改进后的Apriori算法,挖掘顾客对连锁便利店商品的购买习惯,进而将得到的商品间的关联规则应用于本系统的采购、要货、配送、促销等模块中,设计与实现了一套基于商品关联关系的连锁便利店管理系统的智能模块。最后,通过测试和在企业中试运行,验证了本文研究开发的连锁便利店智能信息系统有效性和先进性。