[發明專利]智能電視用戶分類方法、計算機設備及存儲介質

在審

• 申請號: 202011509689.2
• 申請日: 2020-12-18
• 公開（公告）號: CN112488773A
• 公開（公告）日: 2021-03-12
• 發明（設計）人: 曹夢麟
• 申請（專利權）人: 四川長虹電器股份有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06K9/62;G06N3/00
• 代理公司: 四川省成都市天策商標專利事務所 51213
• 代理人: 郭會

本發明公開了一種基于大數據平臺的智能電視用戶分類方法，包括：確定用戶在某個指標上的值作為其在n維空間中的坐標值，將若干待聚類的用戶按照其坐標值分布于n維空間區域內，并設置初始聚類中心；依據概率轉移函數判斷某待聚類的用戶是否屬于某一類，同時，不斷修正聚類中心；計算各類間的類間距，對類間距小于間距閾值的兩個類進行合并，直至所有類間的類間距均不小于間距閾值，并重新確定合并后的類的新的聚類中心；完成用戶分類，獲得不同偏好特征的客戶群體。本發明的方法采用大數據與蟻群算法結合，提高數據處理量級和算法準確性，解決容易陷入局部最小值和噪音敏感的問題。

技術領域

本發明涉及大數據技術領域，特別涉及一種基于大數據平臺的智能電視用戶分類方法、計算機設備及存儲介質。

背景技術

許多企業都希望通過引進客戶關系管理系統來改善企業目前客戶管理以及服務現狀，擁有有效的用戶管理前提是要進行用戶分類管理，所以在用戶管理中就必須根據用戶的信息進行分類管理。用戶分類是基于用戶的屬性特征所進行的有效性識別和差異性區分。將用戶劃分為更具象的群體，無論是任何營銷目的，在運營手段上，越針對某一細化群體，達成目的的概率就越大。

用戶分類的目的不僅僅是實現企業內部對于用戶的統一有效識別，也常常用于指導企業用戶管理的戰略性資源配置與戰術性服務營銷對策應用，支撐企業以用戶為中心的個性化服務與專業化營銷。

用戶分類通常采用聚類的方法。聚類的方法就是一種自然的聚合，將一個對象的集合分成不同的類，來描述數據。利用聚類可以進行數據預處理，可以獲得數據的基本概況，在此基礎喪進行特征抽取或者分類，可以提高精確度和挖掘效率，也可以將聚類結果用于進一步關聯分析，以為進一步獲得有用的信息。

但是這類算法的缺點在于應用在大數據集和高維數據集時效果不好，另外這類算法發現的聚類個數常常依賴于用戶參數的制定，這對于用戶來說很困難，并且對于高維數據就更難確定了，因此也會導致聚類質量較差。

用戶分類的正確與否取決于分類指標和分類方法的選擇。對用戶進行分類使用的傳統方法是聚類算法。聚類分析中，k-均值算法是應用較為廣泛的一種算法。傳統的k-均值聚類算法方法簡單、執行速度快且效率高，但同時也有一個弱點是它對初始值敏感而且容易陷入局部最小值，而且算法需要人為地預先指定類別個數，在實際應用中類別的個數不能簡單明確的指定。

如果各隱含類別的數據不平衡，比如各隱含類別的數據量嚴重失衡，或者各隱含類別的方差不同，則聚類效果不佳。如果采用迭代方法，得到的結果只是局部最優。而且傳統的聚類算法對噪音和異常點比較的敏感，數據量大以后，算法的準確性會大打折扣。

目前用戶可作為分析的維度越來越多，用戶量越來越大，行為數據等的量也是量級增長，傳統的數據存儲以及分析效率跟不上。

以上傳統聚類分類的缺點，都能用基于大數據平臺的蟻群算法得到解決

蟻群算法又稱螞蟻算法，是一種用來在圖中尋找優化路徑的機率型算法。它由Marco Dorigo于1992年在他的博士論文中提出，其靈感來源于螞蟻在尋找食物過程中發現路徑的行為。蟻群算法是一種模擬進化算法，初步的研究表明該算法具有許多優良的性質。針對PID控制器參數優化設計問題，將蟻群算法設計的結果與遺傳算法設計的結果進行了比較，數值仿真結果表明，蟻群算法具有一種新的模擬進化優化方法的有效性和應用價值。

發明內容

本發明的目的是克服上述背景技術中不足，提供一種基于大數據平臺的智能電視用戶分類方法、計算機設備及存儲介質，采用大數據與蟻群算法結合，提高數據處理量級和算法準確性，解決容易陷入局部最小值和噪音敏感的問題。

為了達到上述的技術效果，本發明采取以下技術方案：

基于大數據平臺的智能電視用戶分類方法，包括：

步驟1.確定用戶在某個指標上的值作為其在n維空間中的坐標值，其中，n為所有的指標數；