سینا دامی - استادیار گروه کامپیوتر، دانشکده فنی و مهندسی، واحد تهران غرب، دانشگه آزاد اسلامی، تهران، ایران
افشین مروجی - مربی گروه کامپیوتر، دانشکده فنی و مهندسی، واحد تهران غرب، دانشگه آزاد اسلامی، تهران، ایران
اکرم قاسم نژاد - دانشجوی کارشناسی ارشد IT، دانشکده فنی و مهندسی، واحد تهران غرب، دانشگه آزاد اسلامی، تهران، ایران

تجزیه و تحلیل سبد بازار به تحلیلگر بازاریاب کمک میکند تا رفتار مشتریان را بفهمد، برای مثال کدام محصولات با هم خریداری میشوند. تکنیکها و الگوریتمهای مختلفی برای انجام دادهکاوی وجود دارد. استفاده و کشف روابط بین خریدهای مختلف کاربران به منظور بهبود کارایی سیستمهای تجارت الکترونیک با الگوریتم FP-Growth از جمله نوآوری های این پژوهش محسوب میشود. در روش پیشنهادی تمام خریدهای کاربران میتوانند در روند تحلیل سبد خرید، به سیستم کمک کنند. به عبارت دیگر حتی خریدهایی که ظاهرا ارتباطی با خریدهای فعلی کاربر ندارد نیز میتواند اطلاعات ارزشمندی داشته باشد و به تحلیل سبد خرید مشتری و افزایش کارایی سیستم فروش کمک کند. برای بررسی نتایج حاصله از روش پیشنهادی را با الگوریتم های Eclat و Apriori مورد مقایسه قرار دادیم. در تحلیل نتایج آزمایشگاهی مشخص شد که روش پیشنهادی به طور میانگین از روشهای مورد مقایسه بهتر عمل کرده است.

داده کاوی، پیش بینی سبد خرید، کشف قوانین انجمنی، کشف رشد الگوهای پرتکرار