[發明專利]一種基于大數據的客戶需求信息挖掘方法

在審

• 申請號: 201710486833.7
• 申請日: 2017-06-23
• 公開（公告）號: CN107358494A
• 公開（公告）日: 2017-11-17
• 發明（設計）人: 盛步云;舒瑤;蕭箏;鄧璘
• 申請（專利權）人: 武漢理工大學
• 主分類號: G06Q30/06
• 分類號: G06Q30/06;G06Q50/04;G06K9/62
• 代理公司: 湖北武漢永嘉專利代理有限公司42102
• 代理人: 劉秋芳

1.一種基于大數據的客戶需求信息挖掘方法，其特征在于，包括以下步驟：

S1、根據歷史客戶需求信息，按照客戶對產品需求的層次性，將客戶需求逐級分解和細化，得到客戶需求規范化結構模型，即GCRI模型；再利用XML數據格式將GCRI模型進行結構化存儲，得到客戶需求信息獲取文檔，即CRIA文檔；

S2、對CRIA文檔預處理，根據GCRI模型，提取CRIA文檔的需求特征屬性，將其映射到GCRI模型的結構中，保存結構化處理后的特征屬性和特征屬性值；

S3、構建基于MapReduce的樸素貝葉斯算法，即MR-NB算法，該算法包括兩個MapReduce階段；通過第一MapReduce階段對MR-NB算法的分類器進行訓練，得到MR-NB算法的分類器，以及分類器的類別概率、特征屬性值的出現概率；

S4、輸入CRIA文檔的特征屬性和特征屬性值，通過MR-NB算法的第二MapReduce階段，結合訓練得到的分類器對不同客戶需求確定不同的處理級別。

2.根據權利要求1所述的基于大數據的客戶需求信息挖掘方法，其特征在于，步驟S1中還包括建立客戶需求表達規范化模型的方法：通過建立規范化的客戶需求表達模板，實現客戶需求的規范化表達。

3.根據權利要求1所述的基于大數據的客戶需求信息挖掘方法，其特征在于，步驟S1中建立客戶需求規范化結構模型的方法具體為：

根據客戶需求規范化結構模型建立其對應的數學表達模型，通過將GCRI模型中的每一項客戶需求抽象成通用客戶需求特征屬性GCRA，建立的客戶需求規范化數學表達模型為：

GCRI＝{GCRA₁,GCRA₂,GCRA₃,...,GCRA_n}

GCRA是相似客戶需求特征的抽象，通過與GCRA對應的不同特征值可以識別個性化的客戶需求，GCRA存儲模型的定義為：

GCRA＝{gcr_id,gcr_type,gcr_name,gcr_unit,gcr_range}

其中，gcr_id是GCRA的唯一標識；gcr_type是GCRA類別，根據客戶需求信息規范化結構模型，通用客戶需求特征類型分為“客戶特征”、“功能需求”、“工作環境”以及“其它需求”四種類型；gcr_name是GCRA名稱，按GCRA對應大類別名稱細分為各個小類別名稱；gcr_unit是GCRA單位；gcr_range是GCRA取值范圍集合，離散值采用枚舉集合表示，連續值采用區間表示。

4.根據權利要求1所述的基于大數據的客戶需求信息挖掘方法，其特征在于，步驟S1中的GCRI模型包括客戶自身的客戶特征信息和客戶對產品屬性特征的需求信息；CRIA文檔的核心內容通過XML格式文件中的<CRIA>元素進行描述，它主要包括兩大部分：文檔基本信息描述和客戶需求信息描述；文檔基本信息包括文檔識別碼、產品識別碼、需求提交時間、文檔處理時間、文檔處理人。

5.根據權利要求1所述的基于大數據的客戶需求信息挖掘方法，其特征在于，步驟S3中的第一MapReduce階段中訓練分類器的方法具體為：

獲取歷史客戶需求數據作為訓練樣本集，首先將其劃分表示為{A₁,A₂,...,A_m,C_j}，其中A_m表示按需求特征劃分的對應特征值集合，C_j是該樣本所屬類別；接著將A_m定量標定，得到屬性A_i的標定值a_ik，然后進行統計和累加任務，將結果輸出；第一Reducer階段通過遍歷第一Mapper的輸出值，計算類別概率P(C_j)和聯合概率P(A_i＝a_ik|C_j)，建立分類器概率模型。