1、本課題將數(shù)據(jù)挖掘技術(shù)運(yùn)用到CRM（客戶關(guān)系管理）的交叉營銷和客戶細(xì)分模塊中，利用統(tǒng)計(jì)學(xué)和機(jī)器學(xué)習(xí)技術(shù)創(chuàng)建預(yù)測客戶行為的模型，指導(dǎo)商業(yè)決策。本課題的主要研究工作和成果有：1、提出了基于H-Struct的頻繁閉合項(xiàng)集挖掘算法：H-C。2、進(jìn)一步改進(jìn)了H-C算法。首先，針對傳統(tǒng)最小支持度閾值不利于發(fā)現(xiàn)長項(xiàng)集和具有低支持度、高興趣度項(xiàng)集的缺點(diǎn)，引入局部相對最小支持度閾值指導(dǎo)挖掘；其次，設(shè)置全局最大支持度閾值幫助去除那些出現(xiàn)過于頻繁的無用項(xiàng)

2、集，減少算法時(shí)間開銷；最后，本課題充分利用H-Struct動態(tài)鏈接結(jié)構(gòu)的挖掘特點(diǎn)，挖掘具有最大長度k的頻繁閉合項(xiàng)集。3、為了得到完備的規(guī)則集合，有效地指導(dǎo)預(yù)測過程，本課題挖掘包含負(fù)項(xiàng)的關(guān)聯(lián)規(guī)則。同時(shí)，對待挖掘關(guān)聯(lián)規(guī)則的形式進(jìn)行約束，增強(qiáng)知識的實(shí)用性。實(shí)例分析表明得到的關(guān)聯(lián)規(guī)則集合是正確有效的。4、將挖掘得到的關(guān)聯(lián)規(guī)則集合作為知識庫，并在這些知識的啟發(fā)下，運(yùn)用EMYCIN的推理機(jī)制對客戶數(shù)據(jù)進(jìn)行營銷預(yù)測，獲得該客戶選擇這項(xiàng)產(chǎn)品或服務(wù)的