1、本文對購物籃分析中的兩個問題進行了深入研究：最有利潤的商品選擇問題，價格促銷利潤估計問題。本文對這些問題提出了怎樣將數(shù)據(jù)挖掘直接集成到用戶目標中的方法。試驗表明，這些方法是有效的。 本文提出MOPIS(MOstProfitableItemsSelection)算法來選擇出最有利潤的商品。MOPIS通過預測多個選擇的利潤來選取最優(yōu)的選擇，通過預測某選擇下新的交易數(shù)據(jù)庫來預測該選擇的利潤。MOPIS算法準確建模了顧客的購買行為，能預

2、測出買不到期望商品時，顧客選擇購買其它商品的概率與數(shù)量；又能預測出不可得的商品對顧客的購買行為的影響。MOPIS算法使用了一種新的估計選擇利潤的有效方法，建立了新的商品選擇框架，提出了一種新的通過商品間的距離來預測代替商品的購買數(shù)量、購買概率的方法，給出了一種新的計算品種間的交叉銷售影響的有效方法，提出了用品種貢獻值來排序品種間的交叉銷售影響的新方法。本文給出了選取最有利潤的商品的啟發(fā)式算法，同時提出了用遺傳算法來解決最有利潤的商品選擇

3、問題的gaMOPIS算法。 本文提出PEPP算法來估計價格促銷中的利潤。PEPP根據(jù)促銷前的交易來預測促銷中的交易。PEPP算法準確建模了價格促銷中顧客的購買行為，能預測出價格變化時，顧客選擇購買其它商品的行為；又能預測出被促銷的商品對顧客的購買行為的影響。提出了通過商品間的距離來預測價格促銷中商品的購買數(shù)量及購買概率的新方法，給出了一種新的用交叉銷售影響因子來預測被促銷的商品對其它商品的影響的有效算法，提出了一種新的預測未購買