關(guān)聯(lián)規(guī)則挖掘在旅游市場(chǎng)研究中的應(yīng)用

四川大學(xué)工商管理學(xué)院 朱超 何躍

改革開放30年來，旅游業(yè)持續(xù)快速發(fā)展，引人矚目。西部地區(qū)是我國旅游資源最為富集的地區(qū)，資源總量約占全國總量的40%。特別是實(shí)施西部大開發(fā)戰(zhàn)略10年來，西部地區(qū)的旅游基礎(chǔ)設(shè)施、公共服務(wù)設(shè)施以及產(chǎn)業(yè)體系不斷完善，產(chǎn)業(yè)功能和素質(zhì)不斷拓展和提升，旅游業(yè)成為西部地區(qū)的重要產(chǎn)業(yè)，對(duì)促進(jìn)農(nóng)民增收和脫貧致富，推進(jìn)生態(tài)環(huán)境和文化的保護(hù)，促進(jìn)民族團(tuán)結(jié)和邊疆穩(wěn)定，實(shí)現(xiàn)區(qū)域協(xié)調(diào)發(fā)展發(fā)揮了重要作用。四川作為具有豐富旅游資源的西部大省，在旅游業(yè)的建設(shè)和發(fā)展上有自身的優(yōu)勢(shì)和特色。

關(guān)于旅游市場(chǎng)的研究，目前大多數(shù)都是采用定性的研究方法，或者統(tǒng)計(jì)方法，例如，周子波[1]等人從國內(nèi)旅游業(yè)中存在的問題入手，闡釋了中國旅游業(yè)的內(nèi)部結(jié)構(gòu)調(diào)整，并提出了發(fā)展國內(nèi)旅游業(yè)的幾點(diǎn)意見。李江帆[2]等人運(yùn)用投入產(chǎn)出理論，以廣東省投入產(chǎn)出表為依據(jù)，對(duì)旅游業(yè)的產(chǎn)業(yè)關(guān)聯(lián)和產(chǎn)業(yè)波及效應(yīng)作了定量分析；周欣胤等[3]曾經(jīng)使用Apriori關(guān)聯(lián)規(guī)則挖掘模型，對(duì)四川省2007年卷煙市場(chǎng)數(shù)據(jù)進(jìn)行過研究，找出了其中的關(guān)聯(lián)規(guī)則；以及蘇振揚(yáng)，趙慶國[4]曾論述了基于關(guān)聯(lián)規(guī)則的數(shù)據(jù)挖掘技術(shù)在中小學(xué)師資管理系統(tǒng)中的應(yīng)用。

通過文獻(xiàn)查閱，還沒有發(fā)現(xiàn)應(yīng)用關(guān)聯(lián)規(guī)則的Apriori算法，對(duì)旅游市場(chǎng)進(jìn)行研究的論文。本文用收集的四川旅游市場(chǎng)調(diào)查資料，用數(shù)據(jù)挖掘中的關(guān)聯(lián)規(guī)則算法，對(duì)消費(fèi)者喜愛的四川旅游景點(diǎn)進(jìn)行挖掘分析，為四川旅游業(yè)的發(fā)展提供輔助決策依據(jù)。

1 數(shù)據(jù)挖掘中的關(guān)聯(lián)規(guī)則

關(guān)聯(lián)規(guī)則[5]是美國IBM Almaden Research Center的Rakesh Agrawal等人于1993年首先提出來的KDD研究的一個(gè)重要課題。關(guān)聯(lián)規(guī)則挖掘問題[7]就是事務(wù)數(shù)據(jù)庫中，找出具有用戶給定的最小支持度minsup和最小置信度minconf的關(guān)聯(lián)規(guī)則。數(shù)據(jù)挖掘[6-8]又稱知識(shí)發(fā)現(xiàn),是指從大量數(shù)據(jù)中提取可信的、新穎的、有效的并最終能被人們理解的模式處理過程。

關(guān)聯(lián)規(guī)則挖掘算法分為兩個(gè)步驟：(1)發(fā)現(xiàn)頻繁項(xiàng)目集。通過用戶指定的最小支持度，尋找所有頻繁項(xiàng)目集；(2)生成關(guān)聯(lián)規(guī)則。通過用戶指定的最小可信度，在最大頻繁項(xiàng)目集中，尋找可信度不小于最小可信度的關(guān)聯(lián)規(guī)則。

經(jīng)典算法Apriori是一種寬度優(yōu)先的多趟掃描算法，第一步掃描數(shù)據(jù)庫，計(jì)算數(shù)據(jù)庫中所有單個(gè)項(xiàng)目的支持計(jì)數(shù)，并把大于最小支持計(jì)數(shù)的項(xiàng)目組成1維頻繁項(xiàng)集，稱之為1_項(xiàng)集，即L1。然后重復(fù)掃描數(shù)據(jù)庫，第k次掃描產(chǎn)生K_項(xiàng)集Lk，第k+1次掃描時(shí)，首先通過對(duì)Lk中的項(xiàng)目集的連接操作生成(K+1)_項(xiàng)集的候選集Ck+1，再利用剪枝操作刪除Ck+1中小于最小支持計(jì)數(shù)的項(xiàng)集，從而得到Lk+1，直到無頻繁項(xiàng)集生成為止，最后的頻繁項(xiàng)集的集合為[1]。

Apriori算法利用Apriori性質(zhì)(頻繁項(xiàng)目的所有非空子集都必須是頻繁的)有效地對(duì)項(xiàng)集進(jìn)行剪枝，盡可能不生成和不計(jì)算那些不可能是頻繁項(xiàng)集的候選項(xiàng)集，從而生成較小的候選項(xiàng)集的集合。

2 基于關(guān)聯(lián)規(guī)則的四川旅游系統(tǒng)的應(yīng)用

2.1 原始數(shù)據(jù)的準(zhǔn)備階段

四川省2007年旅游業(yè)數(shù)據(jù)來源是四川省城調(diào)隊(duì)專項(xiàng)處調(diào)查問卷數(shù)據(jù)。在四川省境內(nèi)不同地州市共發(fā)出500份調(diào)查問卷，收回416份有效問卷。數(shù)據(jù)分析使用Clementine軟件建立Apriori關(guān)聯(lián)規(guī)則挖掘模型，對(duì)四川省2007年旅游市場(chǎng)數(shù)據(jù)進(jìn)行研究，找出其中的關(guān)聯(lián)規(guī)則。在分析中用到的被調(diào)查者的基本信息包括被訪者的年齡、文化程度、被訪者的月收入水平；用到的調(diào)查問題有：最近十個(gè)月出游過的四川旅游景區(qū)、印象最深刻的景區(qū)、挑選游玩景區(qū)時(shí)影響最大的因素、滿意度評(píng)價(jià)(包括：住宿、餐飲、游客擁擠程度等)。被訪者回答問題時(shí)，答案是用1、2、3、4等來表示的，如：導(dǎo)游服務(wù)態(tài)度這個(gè)問題：1表示不滿意，2表示不太滿意，3表示一般，4表示較滿意，5表示滿意。其他問題類似。部分?jǐn)?shù)據(jù)信息如表1所示。

表1 部分調(diào)查數(shù)據(jù)表

2.2 建立數(shù)據(jù)挖掘模型及進(jìn)行數(shù)據(jù)預(yù)處理

數(shù)據(jù)預(yù)處理是對(duì)數(shù)據(jù)源進(jìn)行加工，檢查數(shù)據(jù)的完整性及數(shù)據(jù)的一致性，對(duì)其中的噪音數(shù)據(jù)進(jìn)行平滑，對(duì)丟失的數(shù)據(jù)進(jìn)行填補(bǔ)，消除不合格數(shù)據(jù)，消除重復(fù)記錄等，使之符合數(shù)據(jù)挖掘的要求。主要工作有檢查拼寫數(shù)據(jù)，完成數(shù)據(jù)類型轉(zhuǎn)換。

問卷數(shù)據(jù)不能直接作為數(shù)據(jù)源使用，因?yàn)锳priori算法只能處理布爾型的數(shù)據(jù)，因此，需要將原始數(shù)據(jù)全部轉(zhuǎn)換成布爾型的數(shù)據(jù)。具體做法是每個(gè)問題的每個(gè)選擇項(xiàng)都作為新表的一個(gè)字段，如果原表選擇了該選項(xiàng)，則對(duì)應(yīng)字段的值為1，否則為0。

轉(zhuǎn)換后的部分?jǐn)?shù)據(jù)信息視圖如表2所示，其中，A1表示問題A的第一個(gè)選項(xiàng)。B1表示消費(fèi)者背景的第一個(gè)選項(xiàng)，余此類推。

表2 轉(zhuǎn)換后的部分調(diào)查數(shù)據(jù)表

2.3 數(shù)據(jù)挖掘結(jié)果與分析

分析收入水平、受教育程度、年齡、職業(yè)與最喜愛的景區(qū)的關(guān)聯(lián)規(guī)則。將轉(zhuǎn)換好的旅游者收入水平、受教育程度、年齡、職業(yè)與旅游者最喜愛的景區(qū)的數(shù)據(jù)存入Excel文件并作為數(shù)據(jù)源在Clementine軟件中輸入，將旅游者收入水平、受教育程度、年齡、職業(yè)設(shè)定為“輸入”，最喜愛的景區(qū)設(shè)定為“輸出”，支持度設(shè)為15%以上，置信度25%以上，建立Apriori 關(guān)聯(lián)規(guī)則挖掘模型得到輸出結(jié)果如表3所示。

表3 家庭收入、受教育程度、年齡、職業(yè)與最喜愛的景區(qū)的關(guān)聯(lián)規(guī)則

由表1可知，九寨溝是最受歡迎的景區(qū)之一。就收入水平而言，收入為2001-3000元，大專及以上文化程度的旅游者最喜愛的景區(qū)為九寨溝，其支持度在15.1%，說明了收入水平在2001-3000元，大專及以上文化程度的旅游者在調(diào)查人群中所占的比例是15.1%，置信度45.2%，說明了該類旅游者有45.2%的概率到九寨溝旅游消費(fèi)。從年齡來看，25～44歲的旅游者中，最受歡迎的也為九寨溝景區(qū)，這部分人群收入較穩(wěn)定，有一定的消費(fèi)能力；就受教育程度而言，中專和高中、大專及以上學(xué)歷的旅游者偏好九寨溝；就職業(yè)而言，公務(wù)員最喜愛的景區(qū)也為九寨溝，而離退休人員則喜愛成都武侯祠，因?yàn)殡x市區(qū)近，方便且消費(fèi)較低，適合離退休人員。同時(shí)，可以看到收入水平為1501～2000元的旅游者最喜愛的景區(qū)為峨眉山，說明峨眉山的消費(fèi)水平較九寨溝略低，受較低收入者的喜愛；因此，四川旅游業(yè)相關(guān)部門應(yīng)從多個(gè)方面著手，針對(duì)旅游人群的不同特征，加大景區(qū)宣傳力度，開展針對(duì)性的活動(dòng)以吸引旅游者，例如，針對(duì)潛力消費(fèi)者開展優(yōu)惠活動(dòng)，開發(fā)具有吸引力的文化、興趣愛好、休閑等多種模式的旅游產(chǎn)品，集中力度解決交通、食宿等突出問題，同時(shí)大力開發(fā)其他景區(qū)，促進(jìn)四川旅游業(yè)全面、較快發(fā)展，使人們看到更美好的四川。

3 結(jié)語

文章采用了數(shù)據(jù)挖掘方法中的Apriori算法分析了四川省旅游市場(chǎng)相關(guān)數(shù)據(jù)，從紛繁復(fù)雜的數(shù)據(jù)中找出了游客消費(fèi)行為的本質(zhì)特征，突出解決了收入水平、年齡、職業(yè)、受教育程度及四川境內(nèi)最受歡迎的景區(qū)之間的關(guān)聯(lián)規(guī)則問題，從而為有針對(duì)性的制定營銷策略，提供了輔助決策依據(jù)。

同時(shí)，我們知道旅游景區(qū)的受歡迎程度往往也是氣候、季節(jié)等因素的綜合反映。本文由于沒有考慮旅游景區(qū)季節(jié)氣候等自然界因素，挖掘的結(jié)果有一定局限性，因此在今后研究中，挖掘出的關(guān)聯(lián)規(guī)則最好結(jié)合旅游市場(chǎng)的季度信息進(jìn)行綜合分析，以提高其有效性。

[1]周子波,韓鵬輝.淺談我國國內(nèi)旅游業(yè)[J].中國商貿(mào),2009(17).

[2]李江帆,李冠霖,江波.旅游業(yè)的產(chǎn)業(yè)關(guān)聯(lián)和產(chǎn)業(yè)波及分析——以廣東為例 [J].旅游學(xué)刊,2001(03).

[3]周欣胤,何躍.基于Apriori算法的四川省卷煙市場(chǎng)的研究[J].中國商貿(mào),2010(04).

[4]蘇振揚(yáng),趙慶國.基于關(guān)聯(lián)規(guī)則的中小學(xué)師資管理系統(tǒng)應(yīng)用研究[J].軟件導(dǎo)刊,2009(2).

[5]Mehmed Kantardzic.閃四清,陳茵,程雁等譯,數(shù)據(jù)挖掘－概念、模型、方法和算法[M].北京:清華大學(xué)出版社,2002.

[6]Jiawei Han, Micheline Kamber.范明,孟小峰等譯.數(shù)據(jù)挖掘——概念與技術(shù)[M].北京:機(jī)械工業(yè)出版社,2001.

[7]Usama Fayyad, Gregpru Oatesdu-Shapiro, Padhraic Smyth, RAMASACY UTHURU SAMYMY, ETAL .Advances in Knowledge Discovery and Data Mining [M].AAAI Press/The MIT Press, 1996.

[8]Gregory Piatesdy-Shapiro, Willam J Frawley, Editors .Knowledge Discover y in Databases [M].AAAI Press,1991.