[发明专利]一种基于组合赋权的购车倾向用户识别方法

说明书

本发明涉及用户画像以及计算机应用技术，特别是涉及一种基于组合赋权的购车倾向用户识别方法，包括利用多种主观赋权方法分别得出用户指标的多种主观指标权重、多种客观赋权方法得出用户指标的多种客观指标权重；计算所有主观赋权方法和客观赋权方法的兼容性，并选出兼容性最大的赋权方法；构建基于改进理想点广义最小距离和最大熵原则的组合权系数目标函数；利用拉格朗日乘子判断目标函数的解是否是最优解，对最优解进行归一化处理并该解作为购车倾向指标综合权重；本发明将移动数据价值最大化同时寻找精确的购车倾向评价标准，设备要求相对简单，从海量数据中挖掘购车倾向用户，可应用于行业精准营销等领域，来对不同类型的用户实现定位产品营销。

技术领域

本发明涉及用户画像以及计算机应用技术，特别是涉及一种基于组合赋权的购车倾向用户识别方法。

背景技术

用户画像是指根据用户社会属性、生活习惯和消费行为等信息而抽象出的一个标签化的用户模型。

随着我国经济社会持续快速发展，群众购车刚性需求旺盛，汽车保有量持续呈快速增长趋势。据统计，2017年10月汽车行业整体销量为270万辆，同比上涨2.0％。一方面，汽车服务行业如车险、汽车美容等需要聚焦高价值的购车倾向用户群体从而开展业务推广；另一方面，高价值的购车倾向用户通常意味着较高收入人群，是金融行业迫切挖掘的对象。而目前仅有很少部分机构能够掌握该部分信息，对于未掌握这部分信息而又有此方面需求的机构来说具有相当大的困扰，如果通过技术手段能够进行购车倾向用户的意向识别就能够打通这些机构与未来车主之间交互的壁垒，于是购车倾向用户的识别就成为了一个亟需解决的技术问题。

发明内容

为了解决以上问题，本发明提出了一种基于组合赋权的购车倾向用户识别方法，包括一种基于组合赋权的购车倾向用户识别方法，包括：

S1、根据评价对象的数据，利用多种主观赋权方法分别得出多种主观指标权重、多种客观赋权方法分别得出多种客观指标权重；

S2、计算所有主观赋权方法和客观赋权方法的兼容性，并从主观赋权方法和客观赋权方法中分别选出兼容性最大的赋权方法；

S3、根据用户指标中兼容性最大的赋权方法的指标权重，构建基于改进理想点广义最小距离和最大熵原则的组合权系数目标函数，求解目标函数；

S4、利用拉格朗日乘子判断目标函数的解是否是最优解，若是则对目标函数的解进行归一化处理并该解作为购车倾向指标综合权重进行购车倾向用户识别，否则返回步骤S3重新求解函数。

优选的，所述两两不同赋权方法进行组合包括：若总共有u种赋权方法，每种赋权方法对应一组指标权重，从u种赋权方法中选取两种不同的赋权方法，若选取的赋权方法分别为A、B，则对A、B中的元素进行排序，其中A、B同时升序或者降序。

优选的，所述计算主观赋权方法和客观赋权方法的兼容性包括利用斯皮尔曼相关系数法计算检验，通过不同赋权方法相关性综合分析兼容性大小，具体包括：

若从主观赋权方法或客观赋权方法中选取赋权方法A、赋权方法B，则两种赋权方法之间的的相关系数表示为：

根据相关系数计算兼容性：

其中，ρ表示两个赋权方法之间的相关系数；ρ′表示两个赋权方法之间的兼容性；D_i为A_i与B_i之间的差，表示为D_i＝A_i-B_i，A_i表示赋权方法A中的第i个元素，B_i表示赋权方法B中的第i个元素；m表示赋权方法中的元素个数；u表示赋权方法的数量。

优选的，所述构建基于改进理想点广义最小距离和最大熵原则的组合权系数目标函数包括：