[發(fā)明專利]用戶分類方法及裝置、計算機(jī)可讀存儲介質(zhì)、電子設(shè)備

在審

• 申請?zhí)枺?/td>: 202010568382.3
• 申請日: 2020-06-19
• 公開（公告）號: CN111738331A
• 公開（公告）日: 2020-10-02
• 發(fā)明（設(shè)計）人: 白云飛
• 申請（專利權(quán)）人: 北京同邦卓益科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q40/02
• 代理公司: 北京律智知識產(chǎn)權(quán)代理有限公司 11438
• 代理人: 王輝;闞梓瑄

1.一種用戶分類方法，其特征在于，包括：

獲取待分類用戶的歷史用戶數(shù)據(jù)，并根據(jù)所述歷史用戶數(shù)據(jù)中的屬性特征生成所述待分類用戶的用戶特征；

根據(jù)所述待分類用戶的用戶特征所屬的特征類別，對所述待分類用戶的用戶特征進(jìn)行處理得到多個初始待處理特征，并對各所述初始待處理特征進(jìn)行特征交叉，生成初始待處理特征矩陣；

將所述初始待處理矩陣輸入至多粒度級聯(lián)森林模型中，并根據(jù)所述多粒度級聯(lián)森林模型的輸出結(jié)果對待分類用戶進(jìn)行分類。

2.根據(jù)權(quán)利要求1所述的用戶分類方法，其特征在于，所述特征類別包括連續(xù)型、離散型、類別型以及時間型中的多種；

其中，根據(jù)所述待分類用戶的用戶特征所屬的特征類別，對所述待分類用戶的用戶特征進(jìn)行處理得到多個初始待處理特征包括：

當(dāng)所述特征類別為連續(xù)型時，基于預(yù)設(shè)的客戶關(guān)系管理模型對所述待分類用戶的用戶特征進(jìn)行特征構(gòu)造，得到多個第一初始特征；

當(dāng)所述特征類別為離散型時，對所述待分類用戶的用戶特征進(jìn)行證據(jù)權(quán)重轉(zhuǎn)化，得到多個第二初始特征；

當(dāng)所述特征類別為類別型時，對所述待分類用戶的用戶特征進(jìn)行獨(dú)熱編碼，得到多個第三初始特征；

當(dāng)所述特征類別為時間型時，計算所述待分類用戶的用戶特征的時間長度，得到多個第四初始特征；其中，所述第四初始特征為數(shù)值型連續(xù)特征。

3.根據(jù)權(quán)利要求2所述的用戶分類方法，其特征在于，對各所述初始待處理特征進(jìn)行特征交叉，生成初始待處理特征矩陣包括：

對所述第一初始特征、第二初始特征、第三初始特征以及第四初始特征進(jìn)行特征交叉，生成所述初始待處理特征矩陣；

其中，所述初始待處理特征矩陣的行為各所述初始特征的數(shù)量，列為特征交叉以后各所述初始特征的維度，所述特征交叉的交叉方式包括順序兩兩交叉或者隨機(jī)兩兩交叉。

4.根據(jù)權(quán)利要求1所述的用戶分類方法，其特征在于，所述用戶分類方法還包括：

獲取數(shù)據(jù)樣本，并根據(jù)所述數(shù)據(jù)樣本計算計算所述數(shù)據(jù)樣本中包括的目標(biāo)用戶的表現(xiàn)值；

對所述表現(xiàn)值以及所述數(shù)據(jù)樣本中與所述目標(biāo)用戶對應(yīng)的建模特征進(jìn)行關(guān)聯(lián)得到所述目標(biāo)用戶的用戶特征；

根據(jù)所述目標(biāo)用戶的用戶特征生成初始待訓(xùn)練特征矩陣，并根據(jù)所述初始待訓(xùn)練特征矩陣構(gòu)建訓(xùn)練集以及測試集；

對所述訓(xùn)練集中的初始待訓(xùn)練特征矩陣進(jìn)行特征篩選得到目標(biāo)待訓(xùn)練特征矩陣，并基于多粒度級聯(lián)森林算法對所述目標(biāo)特征矩陣以及目標(biāo)參數(shù)進(jìn)行機(jī)器學(xué)習(xí)得到初始模型；

利用所述測試集中的初始待訓(xùn)練特征矩陣對所述初始模型進(jìn)行測試得到多個測試結(jié)果，并根據(jù)所述測試結(jié)果以及所述測試集中的初始待訓(xùn)練特征矩陣中的表現(xiàn)值計算評價指標(biāo)；

當(dāng)所述評價指標(biāo)介于第一指標(biāo)值以及第二指標(biāo)值之間時，將所述初始模型作為所述多粒度級聯(lián)森林模型。

5.根據(jù)權(quán)利要求4所述的用戶分類方法，其特征在于，根據(jù)所述數(shù)據(jù)樣本計算所述數(shù)據(jù)樣本中包括的目標(biāo)用戶的表現(xiàn)值包括：

根據(jù)所述數(shù)據(jù)樣本計算所述數(shù)據(jù)樣本中包括的目標(biāo)用戶的賬齡以及滾動率；

對所述賬齡以及所述滾動率進(jìn)行分析，得到所述目標(biāo)用戶的觀察期，并根據(jù)所述觀察期計算所述目標(biāo)用戶的表現(xiàn)值。

6.根據(jù)權(quán)利要求4所述的用戶分類方法，其特征在于，對所述訓(xùn)練集中的初始待訓(xùn)練特征矩陣進(jìn)行特征篩選得到目標(biāo)待訓(xùn)練特征矩陣包括：

計算所述訓(xùn)練集中的初始待訓(xùn)練特征矩陣中的特征缺失率以及異常值的數(shù)量；

判斷所述特征缺失率是否大于第一預(yù)設(shè)閾值，和/或所述異常值的數(shù)量是否大于第二預(yù)設(shè)閾值；

在確定所述特征缺失率大于第一預(yù)設(shè)閾值，和/或所述異常值的數(shù)量大于第二預(yù)設(shè)閾值時，對所述初始特征矩陣進(jìn)行過濾；

基于預(yù)設(shè)的特征處理算法對過濾以后剩余的初始待訓(xùn)練特征矩陣進(jìn)行處理，得到所述目標(biāo)待訓(xùn)練特征矩陣；

其中，所述特征處理算法包括信息量算法、壓縮估計算法、極端梯度提升算法以及輕度提升樹算法中的至少一種。