[發明專利]一種通過歷史數據挖掘用戶獲取最大收益的方法

在審

• 申請號: 202310023979.3
• 申請日: 2023-01-09
• 公開（公告）號: CN116186113A
• 公開（公告）日: 2023-05-30
• 發明（設計）人: 王靜雅;于鋼;孫宇寧;陸紅
• 申請（專利權）人: 中國標準化研究院
• 主分類號: G06F16/2458
• 分類號: G06F16/2458;G06F16/26;G06F16/27;G06F16/23
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種通過歷史數據挖掘用戶獲取最大收益的方法，其特征在于，包括如下步驟：

S1定義問題，明確數據挖掘的目的；

S2數據準備，包括選擇數據：在大型數據庫和數據倉庫目標中提取數據挖掘的目標數據集；數據預處理：進行數據再加工，包括檢查數據的完整性及數據的一致性、去噪聲，填補丟失的域，刪除無效數據；

S3數據挖掘，在凈化和轉換的數據集上根據選擇的算法進行數據挖掘；

S4結果分析，解釋和評價數據挖掘結果，并轉換為終端用戶能夠理解的知識。

2.根據權利要求1所述的一種通過歷史數據挖掘用戶獲取最大收益的方法，其特征在于，所述步驟S3常用算法包括：神經網絡方法、遺傳算法、決策樹方法、粗集方法、覆蓋正例排斥反例方法、統計分析方法和模糊集方法。

3.根據權利要求1所述的一種通過歷史數據挖掘用戶獲取最大收益的方法，其特征在于，所述步驟S3數據挖掘技術建立數據挖掘模型，數據挖掘模型按照功能分為預測模型和描述模型，描述性挖掘任務刻畫的數據一般特性，預測性數據挖掘任務在當前數據上進行判斷。

4.根據權利要求3所述的一種通過歷史數據挖掘用戶獲取最大收益的方法，其特征在于，所述數據挖掘模型包括：分類模型、衰退模型、時間序列模型、聚類模型、聯合分析模型和順序發現模型，所述分類模型和衰退模型用來作預測，聯合分析模型和順序發現模型被用來描述行為，聚類模型被用來描述或預測，分類模型用于提取能代表群體的特征屬性，用規則或決策樹模式表示，聚類模型則將一個群體分成多個類，使同類個體盡可能相似，不同個體差異盡可能大，聚類分析建立宏觀的概念，發現數據的分布模式，以及可能的數據屬性之前的相互關系。

5.根據權利要求4所述的一種通過歷史數據挖掘用戶獲取最大收益的方法，其特征在于，所述聯合分析模型用于發現事物間的關聯規則和相關程度，關聯分為簡單關聯、時序關聯和因果關聯，關聯分析的目的是找出數據庫中隱藏的關聯網，用支持度和可信度兩個閾值來度量關聯規則的相關性，其挖掘算法主要有：Apriori，STEM，AIS。

6.根據權利要求4所述的一種通過歷史數據挖掘用戶獲取最大收益的方法，其特征在于，所述衰退模型用屬性的歷史數據預測未來趨勢。

7.根據權利要求4所述的一種通過歷史數據挖掘用戶獲取最大收益的方法，其特征在于，所述時間序列模型是通過時間序列搜索出的重復發生概率較高的模式，用已知的數據來預測未來，其方法主要有加權移動平均法和最小二乘法。

8.根據權利要求4所述的一種通過歷史數據挖掘用戶獲取最大收益的方法，其特征在于，所述順序發現模型的順序發現對象是在時域分布的，發現的規則與先后順序有關。