[發明專利]用戶的分類方法、裝置和計算機可讀存儲介質

在審

• 申請號: 201911335811.6
• 申請日: 2019-12-23
• 公開（公告）號: CN113095339A
• 公開（公告）日: 2021-07-09
• 發明（設計）人: 何帥;萬里燕;周耕田
• 申請（專利權）人: 中國電信股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/00;G06Q10/06;G06Q50/30
• 代理公司: 中國貿促會專利商標事務所有限公司 11038
• 代理人: 張雷

本公開涉及一種用戶的分類方法、裝置和計算機可讀存儲介質，涉及計算機技術領域。該方法包括：計算用戶的各類特征數據之間的相關程度；根據相關程度小于閾值的各特征數據，生成用戶的特征向量；對各用戶的特征向量進行聚類處理，將各用戶劃分到多個用戶類別中。

技術領域

本公開涉及計算機技術領域，特別涉及一種用戶的分類方法、用戶的分類裝置和計算機可讀存儲介質。

背景技術

為了給用戶提供更好的服務，各行業都需要對用戶數據進行挖掘。例如，在通訊行業，通過對用戶數據的挖掘，進行增量保存使得用戶需求與提供業務的相匹配，是重要的研究方向。

在相關技術中，通過硬C均值算法對用戶數據進行挖掘，以確定用戶的分類。

發明內容

本公開的發明人發現上述相關技術中存在如下問題：數據挖掘不夠準確，導致用戶分類準確性差。

鑒于此，本公開提出了一種用戶的分類技術方案，能夠提高用戶分類準確性。

根據本公開的一些實施例，提供了一種用戶的分類方法，包括：計算用戶的各類特征數據之間的相關程度；根據相關程度小于閾值的各特征數據，生成用戶的特征向量；對各用戶的特征向量進行聚類處理，將各用戶劃分到多個用戶類別中。

在一些實施例中，根據相關程度小于閾值的各特征數據，生成用戶的特征向量包括：根據相關程度小于閾值的各特征數據，生成用戶的初始特征向量；利用高斯核函數對初始特征向量進行升維處理，生成特征向量。

在一些實施例中，對各用戶的特征向量進行聚類處理，將各用戶劃分到多個用戶類別中包括：根據可以為用戶提供的業務類別的數量，確定聚類處理的類別數量；根據類別數量，選擇相應數量的用戶的特征向量作為初始聚類中心；根據初始聚類中心和各用戶的特征向量，進行聚類處理。

在一些實施例中，根據初始聚類中心和各用戶的特征向量，進行聚類處理包括：利用粒子群算法對初始聚類中心進行優化處理，確定優化聚類中心；根據優化聚類中心和各用戶的特征向量，進行聚類處理。

在一些實施例中，該方法還包括：根據各用戶類別中各用戶的特征數據，確定各用戶類別對應的業務類別，以便根據各用戶相應的業務類別提供業務服務。

根據本公開的另一些實施例，提供一種用戶的分類裝置，包括：計算單元，用于計算用戶的各類特征數據之間的相關程度；生成單元，用于根據相關程度小于閾值的各特征數據，生成用戶的特征向量；聚類單元，用于對各用戶的特征向量進行聚類處理，將各用戶劃分到多個用戶類別中。

在一些實施例中，生成單元根據相關程度小于閾值的各特征數據，生成用戶的初始特征向量，利用高斯核函數對初始特征向量進行升維處理，生成特征向量。

在一些實施例中，聚類單元根據可以為用戶提供的業務類別的數量，確定聚類處理的類別數量，選擇相應數量的用戶的特征向量作為初始聚類中心，根據初始聚類中心和各用戶的特征向量，進行聚類處理。

在一些實施例中，聚類單元利用粒子群算法對初始聚類中心進行優化處理，確定優化聚類中心，根據優化聚類中心和各用戶的特征向量，進行聚類處理。

在一些實施例中，該裝置還包括：確定單元，用于根據各用戶類別中各用戶的特征數據，確定各用戶類別對應的業務類別，以便根據各用戶相應的業務類別提供業務服務。

根據本公開的又一些實施例，提供一種用戶的分類裝置，包括：存儲器；和耦接至存儲器的處理器，處理器被配置為基于存儲在存儲器裝置中的指令，執行上述任一個實施例中的用戶的分類方法。

根據本公開的再一些實施例，提供一種計算機可讀存儲介質，其上存儲有計算機程序，該程序被處理器執行時實現上述任一個實施例中的用戶的分類方法。