[發(fā)明專(zhuān)利]目標(biāo)用戶(hù)識(shí)別方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 201910964239.3
• 申請(qǐng)日: 2019-10-11
• 公開(kāi)（公告）號(hào): CN110765351A
• 公開(kāi)（公告）日: 2020-02-07
• 發(fā)明（設(shè)計(jì)）人: 張晨靜
• 申請(qǐng)（專(zhuān)利權(quán)）人: 卓爾智聯(lián)(武漢)研究院有限公司
• 主分類(lèi)號(hào): G06F16/9535
• 分類(lèi)號(hào): G06F16/9535;G06F17/16;G06K9/62;G06Q50/26
• 代理公司: 44224 廣州華進(jìn)聯(lián)合專(zhuān)利商標(biāo)代理有限公司
• 代理人: 曹瀚青

1.一種目標(biāo)用戶(hù)識(shí)別方法，所述方法包括：

根據(jù)待識(shí)別用戶(hù)對(duì)應(yīng)的手機(jī)使用行為數(shù)據(jù)，獲取待識(shí)別用戶(hù)對(duì)應(yīng)的候選特征數(shù)據(jù)；

根據(jù)所述待識(shí)別用戶(hù)對(duì)應(yīng)的候選特征數(shù)據(jù)，構(gòu)建特征矩陣；

根據(jù)熵權(quán)法獲取所述特征矩陣中各候選特征的綜合權(quán)重；

根據(jù)所述綜合權(quán)重以及所述特征矩陣，通過(guò)理想解法TOPSIS綜合評(píng)價(jià)，得到所述待識(shí)別用戶(hù)的評(píng)分值；

根據(jù)K-Means類(lèi)聚算法，對(duì)所述評(píng)分值進(jìn)行類(lèi)聚，選取最高評(píng)分值所在的組為目標(biāo)用戶(hù)所處分組。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟根據(jù)熵權(quán)法獲取所述各候選特征的綜合權(quán)重包括：

對(duì)所述特征矩陣中各候選特征值進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化處理；

計(jì)算每一候選特征下的各個(gè)待識(shí)別用戶(hù)的比重值，比重值為相同類(lèi)型候選特征下單個(gè)用戶(hù)對(duì)應(yīng)的候選特征標(biāo)準(zhǔn)化數(shù)據(jù)與所有用戶(hù)對(duì)應(yīng)的候選特征標(biāo)準(zhǔn)化數(shù)據(jù)比值；

根據(jù)所述比重值計(jì)算各候選特征的信息熵，得到各個(gè)候選特征的熵權(quán)；

根據(jù)各候選特征對(duì)用戶(hù)身份識(shí)別的影響程度，通過(guò)專(zhuān)家評(píng)估出各候選特征的人為評(píng)估權(quán)重；

根據(jù)所述熵權(quán)與人為評(píng)估權(quán)重計(jì)算得出各候選特征的綜合權(quán)重。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述根據(jù)熵權(quán)與人為評(píng)估權(quán)重計(jì)算得出各候選特征的綜合權(quán)重包括：

根據(jù)各候選特征的熵權(quán)與人為評(píng)估權(quán)重，得出各候選特征的復(fù)合熵權(quán)，復(fù)合熵權(quán)為各候選特征的熵權(quán)與對(duì)應(yīng)人為評(píng)估權(quán)重乘積的開(kāi)方值；

根據(jù)各候選特征的復(fù)合熵權(quán)，得出各候選特征的綜合權(quán)重，綜合權(quán)重為候選特征的復(fù)合熵權(quán)與所有候選特征的復(fù)合熵權(quán)的比值。

4.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述數(shù)據(jù)標(biāo)準(zhǔn)化處理包括：min-max標(biāo)準(zhǔn)化處理、log函數(shù)轉(zhuǎn)換法處理、atan函數(shù)轉(zhuǎn)換法處理或標(biāo)準(zhǔn)差標(biāo)準(zhǔn)化處理。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟根據(jù)理想解法TOPSIS綜合評(píng)價(jià)得到待識(shí)別用戶(hù)的候選特征的評(píng)分值包括：

對(duì)所述特征矩陣進(jìn)行規(guī)范化處理，得到規(guī)范矩陣；

根據(jù)所述熵權(quán)法得到綜合權(quán)重與規(guī)范矩陣得出加權(quán)特征矩陣；

計(jì)算出加權(quán)特征矩陣中各候選特征的正理想解和負(fù)理想解；

根據(jù)所述正理想解和負(fù)理想解計(jì)算出加權(quán)特征矩陣中待識(shí)別用戶(hù)候選特征與正負(fù)理想解之間的距離；

根據(jù)所述待識(shí)別用戶(hù)候選特征與正負(fù)理想解之間的距離計(jì)算出評(píng)分值。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，對(duì)所述特征矩陣進(jìn)行規(guī)范化處理，得到規(guī)范矩陣包括：

遍歷所述特征矩陣中的矩陣元素，獲取所述特征矩陣中處于相同列的矩陣元素；

計(jì)算所述特征矩陣中各矩陣元素與相同列的矩陣元素之間平方和開(kāi)根比值；

根據(jù)計(jì)算得到的比值，構(gòu)建規(guī)范矩陣。

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述候選特征數(shù)據(jù)包括：月平均消費(fèi)金額、月平均短信費(fèi)、月平均上網(wǎng)費(fèi)用、月平均增值費(fèi)、用戶(hù)等級(jí)、月平均通話(huà)時(shí)間、月平均通信人數(shù)、月平均市話(huà)費(fèi)、月平均長(zhǎng)途費(fèi)、月平均漫游費(fèi)、年平均停機(jī)次數(shù)以及年平均變更套餐次數(shù)。

8.一種目標(biāo)用戶(hù)識(shí)別裝置，其特征在于，所述裝置包括：

特征矩陣獲取模塊，用于獲取待識(shí)別人員的候選特征矩陣；

候選矩陣標(biāo)準(zhǔn)化處理模塊，用于對(duì)候選特征矩陣元素進(jìn)行標(biāo)準(zhǔn)化處理；

綜合權(quán)重計(jì)算模塊，用于通過(guò)熵權(quán)法計(jì)算獲取候選特征的綜合權(quán)重；

候選矩陣規(guī)范化處理模塊，用于對(duì)候選特征矩陣元素進(jìn)行規(guī)范化處理；

規(guī)范矩陣加權(quán)處理模塊，用于對(duì)規(guī)范矩陣處理得到加權(quán)特征矩陣；

候選特征分值計(jì)算模塊，用于通過(guò)TOPSIS法計(jì)算待識(shí)別用戶(hù)的候選特征的評(píng)分值；

候選特征類(lèi)聚模塊，通過(guò)K-Means類(lèi)聚算法用于對(duì)各個(gè)待識(shí)別用戶(hù)的候選特征的評(píng)分值進(jìn)行類(lèi)聚，分類(lèi)出目標(biāo)用戶(hù)的分組。