Đăng ký Đăng nhập
Trang chủ Luật kết hợp âm dương và ứng dụng trong công tác bình ổn giá...

Tài liệu Luật kết hợp âm dương và ứng dụng trong công tác bình ổn giá

.PDF
87
122
133

Mô tả:

ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ -------------------------- NGUYỄN HỮU HOÀNG LUẬT KẾT HỢP ÂM DƯƠNG VÀ ỨNG DỤNG TRONG CÔNG TÁC BÌNH ỔN GIÁ LUẬN VĂN THẠC SĨ Hà Nội - 2011 ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ --------------o0o------------ NGUYỄN HỮU HOÀNG LUẬT KẾT HỢP ÂM DƯƠNG VÀ ỨNG DỤNG TRONG CÔNG TÁC BÌNH ỔN GIÁ Ngành: Công nghệ Thông tin Chuyên ngành: Hệ thống thông tin Mã số: LUẬN VĂN THẠC SĨ NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS.TS. ĐỖ VĂN THÀNH 2 Hà Nội - 2011 MỤC LỤC Chương 1 Giới thiệu luật kết hợp, luật kết hợp mẫu âm ........................................ 8 1.1 Lời mở đầu ................................................................................................... 8 1.2 Tổng quan về luật kết hợp ............................................................................ 8 1.2.1 Khái niệm luật kết hợp ............................................................................. 8 1.2.2 Giải thuật Apriori để sinh các luật kết hợp. ............................................ 11 1.3 Luật kết hợp mẫu âm.................................................................................. 15 1.3.1 Khái niệm luật kết hợp mẫu âm .............................................................. 15 1.3.2 Các giai đoạn phát hiện luật kết hợp mẫu âm ......................................... 19 1.3.3 Thuật toán phát hiện luật kết hợp âm...................................................... 23 1.4 Kết luận chương ......................................................................................... 25 Chương 2 Xác định bài toán ứng dụng phát hiện luật kết hợp mẫu âm. ................... 26 2.1 Bài toán ..........................................................Error! Bookmark not defined. 2.2 Quá trình thu thập số liệu .......................................................................... 28 2.2.1 Nhóm dân sinh: ...................................................................................... 28 2.2.2 Nhóm nhập khẩu .................................................................................... 35 2.2.3 Nhóm xuất khẩu ..................................................................................... 37 2.2.4 Nhóm các mặt hàng cơ bản trên thế giới................................................. 38 2.3 Phần mềm sử dụng để phát hiện luật kết hợp - phần mềm CBA ............... 39 2.3.1 Giới thiệu phần mềm CBA ..................................................................... 39 2.3.2 Xử lý file dữ liệu để xác định luật kết hợp trong CBA ............................ 41 2.3.3 Xác định luật kết hợp trong CBA ........................................................... 42 3 2.4 Kết luận chương ......................................................................................... 46 Chương 3 Phát hiện mối quan hệ về sự biến động giá của các mặt hàng dân sinh ... 47 3.1 Mở đầu chương .......................................................................................... 47 3.2 Chuyển đổi biểu diễn dữ liệu ...................................................................... 47 3.2.1 Bước 1: đánh ký hiệu từng mặt hàng ...................................................... 47 3.2.2 Bước 2: đánh ký hiệu từng sự biến đổi giá của các mặt hàng .................. 51 3.2.3 Bước 3: chuyển toàn bộ dữ liệu đã đánh vào file *.tra ............................ 51 3.3 Thực hiện chạy phần mềm CBA để phát hiện luật kết hợp........................ 52 3.4 Xác định mối quan hệ giá bằng phát hiện luật kết hợp.............................. 53 3.4.1 Luật kết hợp của 120 mặt hàng với đầy đủ các trạng thái : tăng giá, giảm giá, giữ nguyên giá. ............................................................................................ 53 3.4.2 giá Luật kết hợp của 120 mặt hàng khi không tính đến trạng thái giữ nguyên …………………………………………………………………………...54 3.4.3 Luật kết hợp theo cho nhóm mặt hàng dân sinh ...................................... 56 3.4.4 Luật kết hợp cho các mặt hàng dân sinh trong nước và các mặt hàng nhập khẩu : …………………………………………………………...........................58 3.4.5 Luật kết hợp cho các mặt hàng nhập khẩu, xuất khẩu và một số mặt hàng trên thế giới ........................................................................................................ 60 3.5 Kết luận chương ......................................................................................... 61 Kết luận ..................................................................................................................... 62 Tài liệu tham khảo ..................................................................................................... 63 Phụ lục......................................................................................................................... 1 Phụ lục 1: Danh sách mặt hàng ............................................................................. 1 Phụ lục 2: Kết quả các luật phát hiện được............................................................ 1 4 DANH MỤC CÁC CHỮ VIẾT TẮT CSDL Cơ sở dữ liệu CNTT Công nghệ thông tin NK Nhập khẩu XK Xuất khẩu KT-XH Kinh tế xã hội DM Data Mining (Khai phá dữ liệu) CPI Consumer Price Index (Chỉ số giá tiêu dùng) AI Artificial Intelligence (Trí tuệ nhân tạo) DSS Decision Suport System (Hệ trợ giúp quyết định) 5 MỞ ĐẦU Trong những năm gần đây đã chứng kiến giá cả nhiều mặt hàng thiết yếu của đời sống dân sinh, nhiều mặt hàng xuất, nhập khẩu chủ đạo của nền kinh tế tăng rất cao. Việc biến động giá và lạm phát xẩy ra do rất nhiều nguyên nhân, có thể cung không đáp ứng đủ cầu; cũng có thể là do chi phí sản xuất của các doanh nghiệp bị đẩy lên; cũng có thể do đầu cơ, lợi dụng những kẽ hở, các cơ hội để tăng giá kiếm lời cao; cũng có thể do giá nhập khẩu của một số nguyên liệu quan trọng của nền kinh tế tăng cao; cũng có thể thiên tai, bão lụt, dịch bệnh gây ra; cũng có thể do yêu cầu tiêu dùng hàng hoá và dịch vụ của xã hội đã thay đổi hay do tác động của môi trường kinh tế, chính trị quốc tế… và sự biến động ấy có thể thay đổi rất nhanh, thậm chí hàng ngày; và ở những địa bàn khác nhau có thể cũng có mức độ thay đổi khác nhau. Thời gian qua Chính phủ đã thực hiện nhiều giải pháp để bình ổn giá và kìm chế lạm phát, các giải pháp này là rất đúng về lý thuyết kinh tế, tuy nhiên tác động của chúng lại không đạt được như mong muốn. Một trong những nguyên nhân của tình trạng này là chưa định lượng được tác động thực sự của các mặt hàng, mỗi khi có sự biến đổi giá cả. Đề tài này nằm trong hướng góp phần xác định nguyên nhân nhằm phục vụ đề xuất giải pháp bình ổn giá và kìm chế lạm phát đang tăng cao ở nước ta. Cụ thể đề tài tập trung nghiên cứu quan hệ nhân quả và tình hình biến động giá cả của các mặt hàng xuất, nhập khẩu chủ đạo và những sản phẩm thiết yếu của đời sống dân sinh ở nước ta. Đồng thời kết quả của luận văn làm có thể làm nền tàng để xây dựng mô hình dự báo giá đã và đang được áp dụng tại bộ công thương. Đề tài được nghiên cứu dựa trên luật kết hợp (một trong những những kỹ thuật rất quan trọng của khai phá dữ liệu - data mining). Nội dung chính của luận văn được chia thành ba chương như sau: 6 Chương 1: Giới thiệu luật kết hợp, luật kết hợp mẫu âm. Chương 2: Xác định bài toán ứng dụng phát hiện luật kết hợp mẫu âm. Chương 3: Phát hiện luật kết hợp mẫu âm. Cuối cùng, phần kết luận trình bày một số kết quả đạt được của luận văn và hướng nghiên cứu tiếp theo trong tương lai. 7 Chương 1 Giới thiệu luật kết hợp, luật kết hợp mẫu âm 1.1 Lời mở đầu Trong các giao dịch mua bán, chúng ta nhận thấy rằng chủng loại các mặt hàng là rất lớn và số lượng giao dịch có chứa đồng thời một số mặt hàng xác định chiếm một tỉ lệ đáng quan tâm. Trên thực tế chúng ta không biết người mua là ai, do đó vấn đề đặt ra là sự trùng lặp đó có ngẫu nhiên hay có một qui luật cũng như một căn cứ nào hay không? Đó là tiền đề cho sự ra đời của luật kết hợp. 1.2 Tổng quan về luật kết hợp 1.2.1 Khái niệm luật kết hợp 1.2.1.1 Định nghĩa Để đơn giản hóa, chúng ta có thể hiểu luật kết hợp như sau: luật kết hợp là luật chỉ ra mối quan hệ của hai hay nhiều đối tượng (đối tượng chúng ta đang xét ở đây là các mặt hàng). Cấu trúc của luật như sau: A=>B (sup, conf). Có nghĩa là luật có A thì kéo theo B với độ hỗ trợ sup và độ tin cậy conf. Trong đó: - sup= support (độ hỗ trợ): là tỉ lệ giao dịch chứa cả hai mặt hàng A và B trên tổng số giao dịch. - conf= confidence (độ tin cậy): là tỉ lệ giao dịch chứa mặt hàng B trong các giao dịch chứa mặt hàng A. Nếu nhìn nhận luật kết hợp theo lý thuyết tập hợp thì chúng ta có thể định nghĩa như sau: 8 Cho một tập I = { I1, I2,…, Im } các tập m mục, một giao dịch T được định nghĩa như một tập con của các khoản mục trong I (T I). Gọi D là CSDL của n giao dịch và mỗi giao dịch được đánh nhãn với một định danh duy nhất. Nói rằng, một giao dịch T D hỗ trợ một tập X tập X, điều này có nghĩa là X I nếu nó chứa tất cả các mục của T, trong một số trường hợp người ta dùng ký hiệu T(X) để chỉ tập các giao dịch hỗ trợ cho X. Kí hiệu support(X) (hoặc sup(X), s(X)) là tỷ lệ phần trăm của các giao dịch hỗ trợ X trên tổng các giao dịch trong D, nghĩa là: sup(X)= (1) Độ hỗ trợ tối thiểu minsup là một giá trị cho trước bởi người sử dụng. Nếu tập mục X có sup(X) minsup thì ta nói X là một tập các mục phổ biến. Các phần sau sẽ sử dụng những cụm từ khác như “X có độ hỗ trợ tối thiểu”, hay “X không có độ hỗ trợ tối thiểu” cũng để nói lên rằng X thỏa mãn hay không thỏa mãn support(X) Một luật kết hợp có dạng R: X => Y, trong đó X, Y là tập các mục; X, Y = minsup. I và X Y . Luật X => Y tồn tại một độ tin cậy c . Độ tin cậy c được định nghĩa là khả năng giao dịch T hỗ trợ X thì cũng hỗ trợ Y. Công thức để xác định độ tin cậy c như sau: conf(X =>Y) = p(Y I|X I)= (2) Qua định nghĩa trên cho thấy quá trình khai phá luật kết hợp phải được thực hiện thông qua hai bước: 9 Bước 1: Tìm tất cả các tập mục mà có độ hỗ trợ lớn hơn độ hỗ trợ tối thiểu do người dùng xác định. Các tập mục thoả mãn độ hỗ trợ tối thiểu được gọi là các tập mục phổ biến. Bước 2: Dùng các tập mục phổ biến để sinh ra các luật mong muốn. Ý tưởng chung là nếu gọi ABCD và AB là các tập mục phổ biến, thì chúng ta có thể xác định luật nếu AB => CD giữ lại với tỷ lệ độ tin cậy: (3) Nếu conf ≥ minconf thì luật được giữ lại (luật này sẽ thoả mãn độ hỗ trợ tối thiểu vì ABCD là phổ biến). 1.2.1.2 Ý nghĩa Một ứng dụng quan trọng của luật kết hợp là phân tích thị trường. Đó là việc phân tích thói quen mua hàng của khách để tìm sự kết hợp giữa các mặt hàng khác nhau trong một lần mua hàng của họ. Thực tế, trong mỗi lần mua hàng tại siêu thị nếu khách hàng mua bánh mì, thường thì họ sẽ mua sữa. Hoặc trong những lần người mua hàng mua máy tính xách tay thì sẽ không mua máy tính để bàn…Thông tin như thế có thể chỉ dẫn người bán lựa chọn mặt hàng để sắp xếp chúng trên giá hàng, người bán có thể đặt sữa và bánh mì trong phạm vi gần kề để gây tác động tích cực tới việc mua của khách cho cả hai mặt hàng này. Việc nhận ra những mặt hàng nào thường được mua cùng nhau, còn những mặt hàng nào thường không được mua cùng nhau giúp người bán hàng có thể bán được nhiều hàng hơn do đó tăng doanh thu. Khai thác luật kết hợp nhằm tìm ra những mối liên kết đáng quan tâm hoặc những quan hệ tương quan trong một tập lớn các đối tượng. Trong giao dịch thương mại 10 khám phá mối quan hệ trong số lượng lớn các giao dịch có thể giúp nhiều nhà kinh doanh xử lí giải quyết các vấn đề như: thiết kế catalog để quảng cáo như thế nào? 1.2.2 Giải thuật Apriori để sinh các luật kết hợp. Để hình dung rõ hơn các giai đoạn trong quá trình phát hiện luật kết hợp, chúng ta sẽ xem xét giải thuật Apriori phát hiện luật kết hợp từ cơ sở dữ liệu tác vụ. 1.2.2.1 Tư tưởng chính của thuật toán Apriori a. Tìm tất cả các tập phổ biến (frequent itemsets): - k-itemset (itemsets gồm k items) được dùng để tìm (k+1)- itemset. - Đầu tiên tìm 1-itemset (ký hiệu L1). L1 được dùng để tìm L2 (2-itemsets). L2 được dùng để tìm L3 (3-itemset) và tiếp tục cho đến khi không có k-itemset được tìm thấy. b. Từ tất cả các tập phổ biến sinh ra các luật kết hợp mạnh (các luật kết hợp thỏa mãn 2 tham số min_sup và min_conf) 1.2.2.2 Giải thuật Apriori a. Duyệt (Scan) toàn bộ cơ sở dữ liệu giao dịch để có được độ hỗ trợ (support) S của 1-itemset, so sánh S với độ hỗ trợ tối thiểu min_sup, để có được 1-itemset (L1) b. Sử dụng Lk-1 nối (join) Lk-1 để sinh ra candidate k-itemset. Loại bỏ các itemsets không phải là tập phổ biến thu được k-itemset ( bước cắt tỉa) c. Tiếp tục duyệt cơ sở dữ liệu giao dịch để có được độ hỗ trợ S của mỗi candidate k-itemset, so sánh S với min_sup để thu được tập phổ biến k –itemset (Lk) 11 d. Lặp lại từ bước 2 cho đến khi Candidate set (C) trống (không tìm thấy tập phổ biến) e. Với mỗi tập phổ biến I, sinh tất cả các tập con s không rỗng của I f. Với mỗi tập con s không rỗng của I, sinh ra các luật s => (I-s) nếu độ tin cậy (Confidence) của nó > =min_conf 1.2.2.3 Ví dụ minh họa Giả sử có cơ sở dữ liệu giao dịch bán hàng gồm 5 giao dịch như sau: Tid 1 2 3 4 5 List of Items Beer, Diaper, Baby Powder, Bread, Umbrella Diaper, Baby Powder Beer, Diaper, Milk Diaper, Beer, Detergent Beer, Milk, Coca-Cola Thuật toán Apriori tìm các luật kết hợp trong giao dịch bán hàng trên như sau: Bước 1: min-sup = 40% (2/5) C1 Itemsets Support Beer Diaper Baby Powder Bread Umbrella Milk Detergent L1 Itemsets 4/5 4/5 2/5 1/5 1/5 2/5 1/5 Beer Diaper Baby Powder Milk 12 Support 4/5 4/5 2/5 2/5 Coca-Cola 1/5 13 Bước 2: C2 Itemsets Beer, Diaper Beer, Baby Powder Beer, Milk Diaper, Baby Powder Diaper, Milk Baby Powder, Milk L2 Support Itemsets Support 3/5 0/5 2/5 Beer, Diaper Beer, Milk Diaper, Baby Powder 3/5 2/5 2/5 2/5 0/5 0/5 Bước 3: C3 (min-sup =40%) Itemsets L3 Support Beer, Diaper, Milk 1/5 Beer, Diaper, Baby Powder Diaper, Milk, Baby Powder Bear, Milk, Baby Powder 1/5 0/5 0/5 Itemsets Support Empty (Stop) Bước 4: min-sup=40%, min_conf=70% Itemsets Support (A,B) Beer, Diaper 60% Diaper, Beer 60% Beer, Milk 40% Milk, Beer 40% Diaper, Baby Powder 40% Baby Powder, Diaper 40% Support(A) 80% 80% 80% 40% 80% 40% Confidence 75% 75% 50% 100% 50% 100% Kết quả ta có các luật kết hợp sau (với min_sup= 40%, min_conf=70%) R1: Beer => Diaper (support =60%, confidence = 75%) 14 R2: Diaper =>Beer (support =60%,confidence = 75%) R3: Milk =>Beer (support =40%, confidence = 100%) R4: Baby Powder => Diaper (support =40%,confidence = 100%) Từ kết quả các luật được sinh ra bởi giao dịch bán hàng trên, ta thấy rằng có luật có thể tin được (hợp lý) như Baby Powder => Diaper, có luật cần phải phân tích thêm như Milk =>Beer và có luật có vẻ khó tin như Diaper =>Beer. Ví dụ này sinh ra các luật có thể không thực tế vì dữ liệu dùng để phân tích (transaction database) hay còn gọi là tranining data rất nhỏ. 1.3 Luật kết hợp mẫu âm 1.3.1 Khái niệm luật kết hợp mẫu âm 1.3.1.1 Đặt vấn đề Trước khi xem xét khái niệm về luật kết hợp mẫu âm, chúng ta xem xét một ví dụ cụ thể dưới đây : - Bảng dưới là thông tin về các khách hàng mua sắm phương tiện giao thông : 15 - Với giả thiết : o Giả thiết 1 : độ hỗ trợ tối thiểu (minsup) là 30%, độ tin cậy (minconf) là 70%. o Giả thiết 2 : thuộc tính tuổi được phân ra làm 2 nhóm trên 30 và dưới 30 tuổi. - Với thông tin và hai giả thiết trên ta có được các tập phổ biến : Item sets Support Conf Age<30 40% 100.00% Age>30 60% 100.00% Coupe 40% 100.00% Sedan 30% 100.00% 16 Truck 20% Van 10% Age<30, Coupe 30% 75.00% 50% 83.33% Age>30, Not Purchase Coupe - Qua bảng trên cho thấy : o Luật „Age<30  Coupe‟ có độ tin cậy là 75% o Tuy nhiên nếu chúng ta xem xét dưới góc độ khác thì luật „Age>30  Not purchar Coupe‟ (những người trên 30 tuổi sẽ không sử dụng phương tiện Coupe) có độ tin cậy là 83.33% cũng rất được quan tâm o Luật „Age>30  Not purchar Coupe‟ sau này được gọi là luật kết hợp mẫu âm. Qua ví dụ trên cho thấy, ý nghĩa thực tế của luật kết hợp mẫu âm cũng quan trọng không kém luật kết hợp dương. Tuy nhiên việc sinh luật kết hợp mẫu âm gặp hai vấn đề khó khăn : - Thứ nhất : chúng ta không dễ dàng chọn được giá trị ngưỡng minsup và minconf để đảm bảo phù hợp cho cả luật kết hợp âm và luật kết hợp dương. - Thứ hai : trong một cơ sở dữ liệu thực tế có hàng ngàn mục. Mà trong các giao dịch nhiều mục lại không xuất hiện hoặc xuất hiện rất ít. 17 1.3.1.2 Định nghĩa luật kết hợp mẫu âm Chúng ta định nghĩa một cách tổng quát các luật kết hợp mẫu âm, là một luật mà chứa một phủ định của một mục (tức là một luật mà nguồn gốc hay kết quả của nó có thể được thành lập bởi sự kết hợp giữa sự có mặt và vắng mặt của các điều kiện). Một ví dụ cho sự kết hợp này như sau: Cụ thể hơn, chúng ta có thể xem xét khái niệm luật kết hợp mẫu âm dưới hình thức tập hợp như sau : Giả sử I = i1, i2,…, ij, ..., in , một giao dịch T được định nghĩa như một tập con của các khoản mục trong I (T I). Gọi D là CSDL của n giao dịch và mỗi giao dịch được đánh nhãn với một định danh duy nhất. Nói rằng, một giao dịch T D hỗ trợ một tập X I và một tập Y I nếu nó chứa tất cả các item của X và Y . Với luật kết hợp dương có dạng R: X  Y, trong đó X, Y là tập các mục, X, Y X Y= I và . X được gọi là tiên đề và Y được gọi là hệ quả của luật. Với luật kết hợp mẫu âm sẽ có dạng R‟: X ¬Y. Bây giờ chúng ta xem xét độ hỗ trợ và độ tin cậy trong luật kết hợp mẫu âm. Luật kết hợp X ¬Y, có độ hỗ trợ s%, nếu có s% giao dịch trong T có mặt X, mà không có mặt của mục Y. Độ tin cậy, giả sử U là tập các giao dịch có mặt của X, luật kết hợp X ¬Y, có độ tin cậy c%, nếu c% giao dịch trong trong U không có mặt mục Y. 18 Tương tự như cách tính độ tin cậy trong luật kết hợp dương, độ tin cậy trong luật kết hợp âm có thể được tính như sau: Conf(X ¬Y)=P(X ¬Y)/P(X) Trong phần trước, chúng ta đã xem xét giải thuật xác định luật kết hợp dương, bằng cách tính toán các mục xuất hiện trong các giao dịch. Tuy nhiên với luật kết hợp âm, rất khó để xác định các mục không xuất hiện trong các giao dịch. Bởi vậy, thay vì xác định các mục không xuất hiện trong các giao dịch, chúng ta tính toán các mục xuất hiện trong các giao dịch, hay chính là chúng ta xác định luật kết hợp âm thông qua luật kết hợp dương. Với mỗi luật XY, chúng ta xác định được độ hỗ trợ Supp(XY) và độ tin cậy Conf(XY). Khi đó chúng ta xác định độ hỗ trợ và độ tin cậy của luật kết hợp mẫu âm (X¬Y) như sau: Supp(X¬Y) = Supp(X) - Supp(XY) (4) Conf(X¬Y) = Supp(X¬Y)/ Supp(X) = (Supp(X) - Supp(XY) )/Supp(X) =1 - Conf(XY) (5) 1.3.2 Các giai đoạn phát hiện luật kết hợp mẫu âm 1.3.2.1 Đặt vấn đề Do việc xác định luật kết hợp mẫu âm phải thông qua luật kết hợp dương, nếu chúng ta để độ hỗ trợ và độ tin cậy nhỏ thì sẽ rất khó để xác định các luật kết hợp dương mong muốn, bởi vậy chúng ta phải chấp nhận để độ hỗ trợ và độ tin cậy dương đủ lớn để dễ cho việc xác định luật kết hợp dương và khi đó các luật kết hợp âm tìm thấy sẽ có độ hỗ trợ và độ tin cậy thấp. Lúc này chúng ta phải chấp nhận một số kết quả tìm kiếm được sẽ không như mong muốn. Việc loại bỏ các luật không như mong muốn này 19 chúng ta chỉ có thể sử dụng những miền tri thức trong kho dữ liệu để dự đoán và loại bỏ chúng để cuối cùng có tập các luật kết hợp mẫu âm khả thi. Chúng ta xem xét sự phân loại sau: Giả sử T là tập các loại mặt hàng như hình trên, gồm các đỉnh và các cạnh. Mỗi đỉnh biểu diễn một lớp (Hardware, Computers, Electronics,..), đỉnh mà không có đỉnh con(hay có độ sâu bằng 0) thì được coi là các mặt hàng. Hai đỉnh được kết nối với nhau thông qua một cạnh. Các đỉnh, cành này sẽ tạo ra một miền tri thức (domain Knowledge). Trong sự phân loại trên, có hai mối quan hệ quan trọng đó là quan hệ theo chiều dọc và quan hệ theo chiểu ngang. Mối quan hệ theo chiều dọc là mối quan hệ cha – con, mối quan hệ theo chiều ngang là mối quan hệ anh – em. Chúng ta gọi mối quan hệ anh – em là mối quan hệ địa phương (Locality Of Similarity – LOS). Các mục cùng LOS sẽ có xu hướng tham gia vào cùng một luật kết hợp. Ví dụ trong một cơ sở dữ liệu bán lẻ, các mục cùng LOS sẽ có nhiều khả năng cùng được tham gia vào các giao dịch của khách hàng. Do vậy trong quá trình bán hàng, người bán hàng không đưa ra những tham khảo hợp lý thì người mua hàng rất khó có thể 20
- Xem thêm -

Tài liệu liên quan