摘要：本文在介绍关联规则挖掘技术的基础上，结合实例对关联规则的应用进行了详细论述，实证研究表明，在物流企业信息管理中应用关联规则挖掘技术进行分析，不仅在技术上是可行的，而且有助于第三方物流企业根据挖掘发现的内在关联规律及时进行营销分析，做出科学决策。

关键词：物流信息；关联规则；Apriori算法；第三方物流企业；营销决策

1 引言

随着物流业的迅猛发展和物流信息化水平的不断提高，物流数据信息也呈几何级增长，运用传统的处理手段通常难以对这些庞大的数据信息进行深入分析，而关联规则等数据挖掘技术是解决这类问题较好的处理工具。把关联规则挖掘技术应用到物流领域，对海量物流信息进行分析，挖掘出这些信息的潜在价值，有利于第三方物流企业（Third-party LogisticsEnterprises）管理层及时发现内在关联规律，为进行市场营销等经营决策提供科学指导^[1]。

2物流信息挖掘

数据挖掘(Data Mining)，又称数据库中的知识发现(KnowledgeDiscovery in Database ，KDD)。Berry和Linoff^[2]认为：数据挖掘就是针对大量的数据，利用自动化或半自动的方式作分析，以找出有意义的关系或法则。Guape和Owrang^[3]则认为：数据挖掘是从现存数据中剖析出新事实及发现专家们尚未知晓的新关系。Fayyad^[4]等学者把数据挖掘定义为：数据挖掘为依据使用者需求自数据库中选择合适数据，加以处理、转换，探勘至评估的一连串过程，期望能找出真实世界运行时隐含于其内的运作现象，以辅助解决问题之用。综上所述，数据挖掘就是从大量的数据中，抽取出潜在的、有价值的知识(模型或规则)的过程。关联规则（Association Rule）是数据挖掘的常用技术之一，它能够有效地发现数据间的联系，根据已有数据预测未来发展趋势，在企业客户关系管理，营销策略制定方面有着广泛的用途^[5]。