[發明專利]業務對象分類方法和系統

在審

• 申請號: 201710051265.8
• 申請日: 2017-01-23
• 公開（公告）號: CN106874943A
• 公開（公告）日: 2017-06-20
• 發明（設計）人: 楊凡;張潔坤;胡天行;黃斐;錢波;劉嘉
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q30/02
• 代理公司: 廣州華進聯合專利商標代理有限公司44224
• 代理人: 何平,鄧云鵬

技術領域

本發明涉及互聯網技術領域中業務對象信息處理技術，特別是涉及一種業務對象分類方法和系統。

背景技術

業務對象分類是一種非常重要的用戶信息分析方法，通過對業務對象分類，可以掌握用戶的不同特性，便于對用戶進行管理。

目前，常用的一種業務對象分類方法是通過特定規則定義多個用戶類型，如根據業務對象歷史記錄預先設置業務對象分類的不同規則。根據業務對象的歷史使用記錄數據判斷其與特定規則的匹配情況，根據匹配結果將其劃分到對應的分類類型。另一種業務對象分類方法是建立線性評估模型，綜合考慮業務對象的多種歷史使用記錄計算活躍度參數，通過將業務對象歷史使用記錄設置多個維度，每個維度設置對應的線性系數，從而可計算每個業務對象的活躍度參數，根據計算結果將其劃分到對應的分類類型。

然而，以上業務對象分類方法仍然存在問題：

針對第一種業務對象分類方法，在對業務對象進行分類之前需要對用戶類型事先進行定義，且對每個業務對象類型的定義設置好分類規則，從而會受限于個人對現有業務對象的了解程度，業務對象分類粒度太粗，分類結果的識別精度低、可應用性較弱。

針對第二種業務對象分類方法，分類所使用的線性模型中，各維度的權重即各維度對應的線性系數的設置的合理性直接影響到分類結果的準確性，各維度權重的設置并無操作性強的指導規則；且難以將業務對象細分，適用領域有限，分類后所得出的分類結果可能并非是可用于指導實際的結果。

相關技術中，對于上述問題，尚無有效解決方案。

發明內容

基于此，有必要提供一種識別精度高、適應領域廣的業務對象分類方法和系統。

一種業務對象分類方法，包括：

獲取分析周期內多個業務對象的目標屬性特征參數；

將所述分析周期分為通過多個分析時間點劃分的分析時間段；

獲取所述多個業務對象在所述分析時間點對應的目標屬性特征參數的特征參數值，根據所述特征參數值形成分別與所述多個業務對象對應的軌跡特征曲線；

對所述軌跡特征曲線進行聚類分析，將所述軌跡特征曲線中相似度小于設定值的曲線進行聚類得到聚類結果；

根據所述聚類結果對所述業務對象進行分類。

一種業務對象分類系統，包括：

參數獲取模塊，用于獲取分析周期內多個業務對象的目標屬性特征參數；

時間劃分模塊，用于將所述分析周期分為通過多個分析時間點劃分的分析時間段；

曲線形成模塊，用于獲取所述多個業務對象在所述分析時間點對應的目標屬性特征參數的特征參數值，根據所述特征參數值形成分別與所述多個業務對象對應的軌跡特征曲線；

聚類分析模塊，用于對所述軌跡特征曲線進行聚類分析，將所述軌跡特征曲線中相似度小于設定值的曲線進行聚類得到聚類結果；

分類模塊，用于根據所述聚類結果對所述業務對象進行分類。

上述業務對象分類方法和系統，通過獲取業務對象的目標屬性特征參數，根據業務對象在分析時間點的目標屬性特征參數的特征參數值形成業務對象的特征軌跡曲線，再通過對特征軌跡曲線進行聚類分析，從而可通過對相同時間段內具有相似目標屬性特征參數的特征參數值得業務對象進行自動組合劃分為同一類，再通過對劃分為同一類的業務對象所包含的目標屬性特征參數的特征參數值進行分析找出該類業務對象的共性，定義其業務對象類別。因此，業務對象分類結果的準確性不依賴于分類之前對業務對象類型進行定義的準確性，分類粒度的粗細可通過調整分析周期的長短、分析時間點數量與間隔、及與曲線相似度的設定值的大小進行調整；其次可針對不同應用程序的功能和使用特點可選取該應用程序的業務對象群對應的不同目標屬性特征參數進行分析，從而可得到準確且具有可操作性的分類結果，針對同一應用程序也可以選取不同的目標屬性特征參數進行分析，得到從不同維度的實際行為數據而獲得業務對象分類結果，從而該業務對象分類方法適應領域廣，業務對象分類結果也更具有價值。

附圖說明

圖1為一實施例中業務對象分類方法的系統架構圖；

圖2為一實施例中服務器的內部結構示意圖；

圖3為一實施例中業務對象分類方法的流程圖；

圖4為另一實施例中業務對象分類方法的流程圖；

圖5為又一實施例中業務對象分類方法的流程圖；

圖6為業務對象分類軌跡曲線的示意圖；

圖7為再一實施例中業務對象分類方法的流程圖；