[發(fā)明專利]基于k-means算法的信息歸類方法及相關(guān)設(shè)備

在審

• 申請?zhí)枺?/td>: 202010183100.8
• 申請日: 2020-03-16
• 公開（公告）號: CN111400597A
• 公開（公告）日: 2020-07-10
• 發(fā)明（設(shè)計）人: 高越
• 申請（專利權(quán)）人: 中國平安人壽保險股份有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/951;G06K9/62
• 代理公司: 北京市京大律師事務(wù)所 11321
• 代理人: 劉挽瀾

1.一種基于k-means算法的信息歸類方法，其特征在于，所述基于k-means算法的信息歸類方法包括：

獲取原始信息，對所述原始信息進行過濾得到客戶信息集；

提取所述客戶信息集中與其它數(shù)據(jù)不成正態(tài)分布的數(shù)據(jù)作為不規(guī)則數(shù)據(jù)，計算所述不規(guī)則數(shù)據(jù)與所述客戶信息集中其它各規(guī)則數(shù)據(jù)之間的聚合度數(shù)值；

根據(jù)所述聚合度數(shù)值與預(yù)設(shè)的聚合度閾值進行比較結(jié)果對所述客戶信息集中的樣本數(shù)據(jù)進行數(shù)據(jù)篩選；

隨機抽取數(shù)據(jù)篩選后的客戶信息集中的若干樣本數(shù)據(jù)作為質(zhì)心，計算所述預(yù)處理后的客戶信息集中的剩余樣本數(shù)據(jù)與所述各質(zhì)心之間的距離；

獲取所述距離中最小距離對應(yīng)的質(zhì)心A與樣本數(shù)據(jù)A，并將所述樣本數(shù)據(jù)A與所述質(zhì)心A歸為一類，以此類推直至所述預(yù)處理后的客戶信息集中的所有數(shù)據(jù)完成歸類，得到歸類結(jié)果。

2.根據(jù)權(quán)利要求1所述的基于k-means算法的信息歸類方法，其特征在于，所述獲取原始信息，對所述原始信息進行過濾得到客戶信息集包括：

從網(wǎng)絡(luò)中抓取網(wǎng)頁，根據(jù)預(yù)置篩選規(guī)則從所述網(wǎng)頁中抽取出若干原始信息；

加載客戶信息的元素規(guī)則，判斷所述各原始信息中的元素是否符合所述元素規(guī)則；

將符合所述元素規(guī)則的原始信息標(biāo)記為備選信息，否則不標(biāo)記；

匯集所有所述備選信息，得到所述客戶信息集。

3.根據(jù)權(quán)利要求2述的基于k-means算法的信息歸類方法，其特征在于，所述根據(jù)預(yù)置篩選規(guī)則從所述網(wǎng)頁中抽取出若干原始信息包括：

根據(jù)所述網(wǎng)頁的網(wǎng)頁結(jié)構(gòu)，將所述網(wǎng)頁中的內(nèi)容劃分為結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)；

從所述結(jié)構(gòu)化數(shù)據(jù)中提取出所有預(yù)置客戶名對應(yīng)的行；

根據(jù)預(yù)設(shè)分段閾值將所述非結(jié)構(gòu)化數(shù)據(jù)劃分為多個子段，提取所有包含所述預(yù)置客戶名的子段；

匯總所述各預(yù)置客戶名對應(yīng)的行和所述各包含所述預(yù)置客戶名的子段，得到所述原始信息。

4.根據(jù)權(quán)利要求2或3所述的基于k-means算法的信息歸類方法，其特征在于，在所述提取所述客戶信息集中與其它數(shù)據(jù)不成正態(tài)分布的數(shù)據(jù)作為不規(guī)則數(shù)據(jù)，計算所述不規(guī)則數(shù)據(jù)與所述客戶信息集中其它各規(guī)則數(shù)據(jù)之間的聚合度數(shù)值之前，還包括：

將所述客戶信息集中的客戶信息按照元素類別進行分類，并將分類后的客戶信息按照所述元素類別的屬性分別建立對應(yīng)的信息分布坐標(biāo)圖；

根據(jù)所述信息分布坐標(biāo)圖中各點之間的距離，確定不規(guī)則點；

將所述不規(guī)則點對應(yīng)的客戶信息作為所述不規(guī)則數(shù)據(jù)。

5.根據(jù)權(quán)利要求1所述的基于k-means算法的信息歸類方法，其特征在于，所述根據(jù)所述聚合度數(shù)值與預(yù)設(shè)的聚合度閾值進行比較結(jié)果對所述客戶信息集中的樣本數(shù)據(jù)進行數(shù)據(jù)篩選包括：

以任一所述規(guī)則數(shù)據(jù)在歸類坐標(biāo)系上的位置為圓心，并以對應(yīng)的預(yù)置類別參數(shù)的取值為半徑畫圓A，計算所述不規(guī)則數(shù)據(jù)到所述圓心的距離，以所述距離作為聚合度數(shù)值；

若所述聚合度數(shù)值大于預(yù)設(shè)聚合度閾值，則確定所述不規(guī)則數(shù)據(jù)為高聚合數(shù)據(jù)，否則確定所述不規(guī)則數(shù)據(jù)為低聚合數(shù)據(jù)；

以所述高聚合數(shù)據(jù)在所述歸類坐標(biāo)系上的位置為圓心，以所述類別參數(shù)為半徑畫圓B，判斷所述低聚合數(shù)據(jù)是否在所述圓B內(nèi)；

若所述低聚合數(shù)據(jù)在所述圓B內(nèi)，則將所述低聚合數(shù)據(jù)和所述高聚合數(shù)據(jù)打包成一個樣本數(shù)據(jù)，否則舍棄所述低聚合數(shù)據(jù)。

6.根據(jù)權(quán)利要求5所述的基于k-means算法的信息歸類方法，其特征在于，在所述獲取所述距離中最小距離對應(yīng)的質(zhì)心A與樣本數(shù)據(jù)A，并將所述樣本數(shù)據(jù)A與所述質(zhì)心A歸為一類，以此類推直至所述預(yù)處理后的客戶信息集中的所有數(shù)據(jù)完成歸類，得到歸類結(jié)果之后，還包括：

獲取所述歸類結(jié)果對應(yīng)的預(yù)置聯(lián)系策略，并基于所述聯(lián)系策略聯(lián)系對應(yīng)的客戶端；

根據(jù)所述客戶端的反饋信息，判斷所述原始信息對應(yīng)的客戶是否已經(jīng)聯(lián)系成功；

若聯(lián)系失敗，則根據(jù)預(yù)置異常數(shù)據(jù)規(guī)則判斷原始信息中是否含有異常數(shù)據(jù)；

若含有所述異常數(shù)據(jù)，則將所述異常數(shù)據(jù)去除后進行重新分類，否則標(biāo)記為疑難客戶，以供等待人工處理。