商品銷售相關性研究一直受到學者們的關注，在商品銷售相關性領域，研究主要圍繞購物籃分析（MBA）展開。傳統關聯規則反映了商品被同時購買的概率，關聯規則涉及的商品被購買的時間和商品被購買的數量等信息不能很好地從傳統關聯規則獲取。這些信息對于零售業具有重要意義，能夠幫助零售業企業科學進行商品促銷等活動。時間序列數據挖掘可以發現商品銷售數據中相似時間段和相似銷售趨勢，當不同商品相似銷售趨勢發生在同一時間段，商品之間極有可能具有相關性。另外，通過這種研究能夠發掘局部時間內強關聯，但整體關聯程度不強的商品。這些商品往往被強關聯規則所忽視，但是更有指導和實踐意義。由于這些相關關系和傳統關聯規則算法不同，通過對商品銷售時序數據進行相關性分析，利用矩陣畫像（Matrix Profile）尋找最相似子序列片段，來發現商品銷售數據局部相關性甚至商品的弱關聯規則。數值實驗表明，通過銷售數據興趣模式挖掘，可以發現商品之間確實存在局部關聯性，能夠幫助企業的商品供貨和促銷決策提供理論和技術支持。
