[發明專利]一種基于非監督機器學習算法的煙草零售商細分方法

在審

• 申請號: 202011094537.0
• 申請日: 2020-10-14
• 公開（公告）號: CN112381559A
• 公開（公告）日: 2021-02-19
• 發明（設計）人: 孔繁博;高冉;耿云濤
• 申請（專利權）人: 浪潮軟件股份有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06K9/62
• 代理公司: 濟南信達專利事務所有限公司 37100
• 代理人: 郗艷榮

1.一種基于非監督機器學習算法的煙草零售商細分方法，其特征在于：利用非監督性機器學習算法，根據煙草市場的特點建立聚類任務模型，將煙草零售商的相關指標作為模型的讀取指標，對模型進行訓練得到優化模型，最終優化模型根據訓練數據的相關指標，自動判別零售商的歸屬類別，從而實現對煙草零售商的細分。

2.根據權利要求1所述的基于非監督機器學習算法的煙草零售商細分方法，其特征在于，具體包括以下步驟：

第一步、數據獲取

根據實際零售戶情況添加任務到平臺中為模型后期添加訓練數據集，先選擇規定零售商的存在銷售記錄的時間范圍及入網日期，再選擇參與聚類任務的指標，即用戶期望根據哪些影響指標來為零售商進行細分歸類；

第二步、數據預處理

根據第一步中用戶所添加的參與聚類任務的指標自動從數據庫抓取滿足條件的零售客戶的指標數據；

第三步、模型訓練

調用大數據平臺中的分布式計算引擎Spark對經過預處理后的零售戶的指標數據進行處理，構建聚類任務模型，并利用零售戶數據對聚類任務模型進行訓練，使之趨于穩定；

第四步、模型結果展示

利用大數據平臺分布計算引擎Spark將訓練后的聚類任務模型的計算結果作為最優值返回插入到集群數據庫中，采用散點圖來展現聚類任務模型對零售戶檔位計算的分布情況。

3.根據權利要求2所述的基于非監督機器學習算法的煙草零售商細分方法，其特征在于：所述第一步中，針對煙草市場為卷煙指標構建權重參數，用戶能夠針對特定參與訓練的指標的重要性進行合理安排指標權重。

4.根據權利要求3所述的基于非監督機器學習算法的煙草零售商細分方法，其特征在于：為了適應煙草市場零售戶規模參差不齊的問題，所述第一步中，引入切夫雪比不等式的方法通過構建離群參考系數的概念來優化模型。

5.根據權利要求4所述的基于非監督機器學習算法的煙草零售商細分方法，其特征在于：所述第二步中，構建離群模型系數；針對獲得的零售商數據，聚類任務模型自動將零售戶數據分為離群極值零售戶和非離群極值零售戶。

6.根據權利要求5所述的基于非監督機器學習算法的煙草零售商細分方法，其特征在于：所述第二步中，將非離群極值零售戶的每一個指標進行數據標準化預處理，標準化后的訓練數據再次根據用戶添加的任務指標權重進行指標加權預處理。

7.根據權利要求6所述的基于非監督機器學習算法的煙草零售商細分方法，其特征在于：所述聚類任務模型使用聚類分析方法中的k-means算法來計算零售戶的分類標簽，首先將非離群極值零售戶的指標數據參與算法訓練，聚類任務模型趨于穩定后，將離群極值零售戶的指標數據作為特殊值再次整合并參與到穩定后的聚類任務模型中，配合離群模型系數即可觀察離群極值零售戶在不同情況下的模擬分類結果，從而實現對聚類任務模型細分結果的調整。

8.根據權利要求7所述的基于非監督機器學習算法的煙草零售商細分方法，其特征在于：對所述聚類任務模型的計算結果，即零售戶的分類標簽，進行排序，將高檔位的標簽賦予給高銷售量的零售戶。