[發(fā)明專利]一種基于LDA主題模型算法的用戶細分方法

在審

• 申請?zhí)枺?/td>: 201410317014.6
• 申請日: 2014-07-04
• 公開（公告）號: CN104050298A
• 公開（公告）日: 2014-09-17
• 發(fā)明（設計）人: 張一文
• 申請（專利權）人: 成都品果科技有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 成都九鼎天元知識產(chǎn)權代理有限公司 51214
• 代理人: 鄧世燕

技術領域

本發(fā)明涉及一種基于LDA主題模型算法的用戶細分方法。

背景技術

本發(fā)明先介紹用戶細分過程，緊隨其后的是個人偏好小節(jié)，最終則得出關于LDA理論方面的簡要介紹。

1.用戶分類

數(shù)據(jù)挖掘可以提供客戶洞察力，這對建立有效的市場營銷、銷售以及個性化策略是至關重要的。它會導致客戶之間的個性化交流，因此通過數(shù)據(jù)分析來提升滿意度以及有益的客戶關系。

通過客戶生活周期的各個階段，即從獲取和建立一種強大的關系到預防摩擦和贏回失去的客戶，它可支持一種“個性化”且優(yōu)化的客戶管理。營銷人員努力獲得更大的市場份額以及更大比例的客戶。簡單來講，他們負責獲取、開發(fā)并維持顧客。

為了能夠提供個性化的市場營銷戰(zhàn)略，用戶細分的主要流程是根據(jù)用戶的一些特征，把用戶群劃分為不同的群體。

在手動或者傳統(tǒng)用戶細分中，通常按用戶的行為和使用特點進行細分。盡管行為分類可以由業(yè)務規(guī)則創(chuàng)建，但這項方法擁有很多基礎性的缺點：它只能有效地處理少數(shù)分類領域，而且其客觀性是受到質(zhì)疑的，因為它是基于業(yè)務專家的個人感知。

另一方面，基于數(shù)據(jù)挖掘的方法可以創(chuàng)建數(shù)據(jù)驅(qū)動的行為細分。細分算法可以分析行為數(shù)據(jù)，確認不同群組的客戶并且提出基于數(shù)據(jù)格式的方法。

流行的基于數(shù)據(jù)挖掘的分類方法包括：價值基礎細分法(value-based?segmentation)、行為細分法(behavioral?segmentation)、忠誠度細分法(loyalty?segmentation)、社會細分法(socio-based?segmentation)以及需求基礎細分法(needs-based?segmentation)。

還存在另一種用戶細分法，該方法是建立在個人偏好主觀性的基礎上的。

2.個人偏好

個人偏好可以看作是對于特定的物體或者概念的情感、行為以及感受的獨特結(jié)合，這種全面融合使得用戶細分方法更具個性化的獨特性。

為了更好地了解用戶，可以定義許多個人偏好，用于量化客戶。比如：

(1)喜歡玩游戲的用戶；

(2)喜歡聽音樂的用戶；

(3)喜歡看電影的用戶；

(4)喜歡網(wǎng)上購物的用戶；

(5)喜歡閱讀的用戶；

(6)喜歡旅行的用戶；

(7)喜歡美食的用戶。

為了將這些個性化標簽應用到用戶身上，從而有效地細分用戶，首先需要了解他們的不同特征。這是項挑戰(zhàn)性工作，因為用戶不會明確地告訴我們他們是誰，偏好是什么；我們需要根據(jù)一些隱含信息來間接地獲取。

舉例來說，用戶隱含的一些信息如下：他們所聽的音樂類型、喜歡看的電影或者電視劇類型、瀏覽的網(wǎng)站類型、喜歡拍或者觀賞的照片、社交網(wǎng)絡上結(jié)交的朋友類型以及喜歡閱讀的書籍類型。最終，我們能夠從社交網(wǎng)絡上搜尋到某個特定的用戶，例如他們的愛好和私人信息。

本發(fā)明并不關注如何從用戶獲取這些隱含的私人特征。本發(fā)明假設這些用戶間接信息或特征已經(jīng)獲取了，并且基于那些信息建立LDA模型。

3.Latent?Dirichlet?Allocation(潛在主題抽取)算法

Latent?Dirichlet?Allocation(潛在主題抽取)或者LDA，是一種被應用在文本挖掘方面的機器學習方法，通常目的在于從一個文檔集合中自動發(fā)現(xiàn)專題論題。

簡而言之，LDA模型從一大堆文檔集合中抽取一個預先確定數(shù)量的主題，而且該訓練模式可以被用來推斷其后任何文檔的主題(不同的權重)。例如，一個文檔談論蘋果電腦和汽車，那么其推斷主題很可能即為“電腦”和“汽車”。

主題建模是指，將整個文檔集合細分成相關少數(shù)主題的詞并且作為主題融合代表每個文檔。這樣，通過察看主題中的詞就可以解釋這個模型。

發(fā)明內(nèi)容

為了克服現(xiàn)有技術的上述缺點，本發(fā)明提供了一種基于LDA主題模型算法的用戶細分方法，目的在于將社交網(wǎng)絡平臺上眾多的用戶或客戶貼上富有個性化的標簽，例如游戲玩家、社交網(wǎng)絡發(fā)燒友、音樂愛好者、喜歡網(wǎng)上購物、高級用戶、旅行家、喜歡閱讀的等其他標簽。而且，根據(jù)本發(fā)明，一個用戶或客戶還可以同時繼承多個標簽。

本發(fā)明解決其技術問題所采用的技術方案是：一種基于LDA主題模型算法的用戶細分方法，包括如下步驟：

步驟一、隨機挑選一組用戶，并為每一用戶建立一個對應的文本文檔；

步驟二、構(gòu)建用戶偏好屬性字典；

步驟三、LDA模型訓練：