[發明專利]用戶分類模型的生成方法及裝置

在審

• 申請號: 201611082186.5
• 申請日: 2016-11-30
• 公開（公告）號: CN108121742A
• 公開（公告）日: 2018-06-05
• 發明（設計）人: 鄧逸斌;張曉川;徐睿;崔志順
• 申請（專利權）人: 中國移動通信集團廣東有限公司;中國移動通信集團公司
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06Q30/06
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 李相雨

本發明實施例提供了一種用戶分類模型的生成方法及裝置。該方法中，首先調用Hadoop平臺工具對樣本庫中的數據進行異常以及標準化處理，接著再根據業務需求也即預設的分類原則，對處理后的數據進行優化迭代處理，得到滿足業務需求的用戶分類模型，并輸出與分類原則相對應的用戶分類結果。在將本發明實施例提供的方法應用于營銷信息的推薦中時，可以根據不同的業務需求自動生成用戶的分類結果，從而相應的營銷平臺能夠依據于自動產生的分類結果有針對性的進行推送營銷信息，使得用戶接收到符合其身份特征或使用習慣的營銷信息，避免用戶因為接收到過多無用的營銷信息而產生反感，提高營銷的有效性。

技術領域

本發明實施例涉及計算機技術領域，具體涉及一種用戶分類模型的生成方法及裝置。

背景技術

營銷活動推薦是一種常用的產品營銷推廣形式，觸點渠道營銷則是營銷活動推薦的重要手段。隨著業務發展，各觸點渠道特別是移動設備觸點開展的營銷服務越來越豐富(移動設備觸點，是指可通過接觸等行為觸發人機交互，以完成指令的移動設備/應用界面，如社交軟件、移動APP等；觸點營銷，是指關于社媒營銷高效實施的理論模式，主要通過觸動點，借助觸及線即互動傳播媒介資源，使信息全方位覆蓋到目標受眾覆蓋面)。

現有觸點營銷方案推薦模式大部分是以“業務需求找客戶”為出發點，通過隨機散播、信息轟炸等方式將營銷信息傳送至各觸點渠道，然后由觸點渠道各自重新開發營銷推薦界面推送給客戶，完成營銷推薦目標。

然而，在實現本發明實施例的過程中發明人發現，現有的方式主要存在以下弊端：現有的營銷推薦方法中，這種隨機散播以及信息轟炸的方法屬于盲目推薦方法，其沒有具體的客戶群體，很多客戶群體與被推薦的營銷信息關聯不大，或者該客戶群體并不適用于當前的營銷信息，也即這樣的方法并沒有對客戶群體進行有針對性的營銷信息推薦，從而使得很多客戶對于接收到的過多的營銷信息產生反感情緒。

發明內容

本發明實施例提供了一種用戶分類模型的生成方法及裝置，用以克服采用現有的營銷推薦方法中沒有對客戶群體進行針對性的營銷信息推薦，使得客戶產生反感情緒的缺陷。

第一方面，本發明實施例提供了一種用戶分類模型的生成方法，包括：

調用Hadoop平臺工具對樣本庫中的各條數據進行異常篩選以及標準化處理，得到處理后的用戶數據；其中，所述樣本庫為調用上傳至Hadoop平臺上的若干條用戶數據構建的樣本庫，所述用戶數據包括用戶的個人信息以及用戶的通信行為數據；

基于預設的分類原則，對所述處理后的用戶數據進行優化迭代處理，得到用戶分類模型，并輸出與所述預設的分類原則相對應的用戶分類結果。

可選地，所述調用Hadoop平臺工具對樣本庫中的各條數據進行異常篩選以及標準化處理，包括：

調用Hadoop平臺中的Hive工具篩選所述樣本庫中的各條數據中的異常值，檢查各條數據的缺失情況，并刪除攜帶異常值或數據缺失的數據條目；

基于Java語言對篩選之后的各條數據進行標準化處理。

可選地，所述基于預設的分類原則，對所述處理后的用戶數據進行優化迭代處理，得到用戶分類模型，包括：

基于預設的分類原則，提取所述處理后的用戶數據中與所述預設的分類原則相關的字段，并調用Mahout工具構建模型的寬表；

基于多層神經網絡算法對所述寬表中的各級數據進行優化迭代處理，得到用戶分類模型。

可選地，所述方法還包括：

接收上傳至Hadoop平臺上的若干條修正用戶數據，不斷更新所述樣本庫。

可選地，所述輸出與所述預設的分類原則相對應的用戶分類結果，包括：