[发明专利]用户的分类方法、装置和计算机可读存储介质

说明书

本公开涉及一种用户的分类方法、装置和计算机可读存储介质，涉及计算机技术领域。该方法包括：计算用户的各类特征数据之间的相关程度；根据相关程度小于阈值的各特征数据，生成用户的特征向量；对各用户的特征向量进行聚类处理，将各用户划分到多个用户类别中。

技术领域

本公开涉及计算机技术领域，特别涉及一种用户的分类方法、用户的分类装置和计算机可读存储介质。

背景技术

为了给用户提供更好的服务，各行业都需要对用户数据进行挖掘。例如，在通讯行业，通过对用户数据的挖掘，进行增量保存使得用户需求与提供业务的相匹配，是重要的研究方向。

在相关技术中，通过硬C均值算法对用户数据进行挖掘，以确定用户的分类。

发明内容

本公开的发明人发现上述相关技术中存在如下问题：数据挖掘不够准确，导致用户分类准确性差。

鉴于此，本公开提出了一种用户的分类技术方案，能够提高用户分类准确性。

根据本公开的一些实施例，提供了一种用户的分类方法，包括：计算用户的各类特征数据之间的相关程度；根据相关程度小于阈值的各特征数据，生成用户的特征向量；对各用户的特征向量进行聚类处理，将各用户划分到多个用户类别中。

在一些实施例中，根据相关程度小于阈值的各特征数据，生成用户的特征向量包括：根据相关程度小于阈值的各特征数据，生成用户的初始特征向量；利用高斯核函数对初始特征向量进行升维处理，生成特征向量。

在一些实施例中，对各用户的特征向量进行聚类处理，将各用户划分到多个用户类别中包括：根据可以为用户提供的业务类别的数量，确定聚类处理的类别数量；根据类别数量，选择相应数量的用户的特征向量作为初始聚类中心；根据初始聚类中心和各用户的特征向量，进行聚类处理。

在一些实施例中，根据初始聚类中心和各用户的特征向量，进行聚类处理包括：利用粒子群算法对初始聚类中心进行优化处理，确定优化聚类中心；根据优化聚类中心和各用户的特征向量，进行聚类处理。

在一些实施例中，该方法还包括：根据各用户类别中各用户的特征数据，确定各用户类别对应的业务类别，以便根据各用户相应的业务类别提供业务服务。

根据本公开的另一些实施例，提供一种用户的分类装置，包括：计算单元，用于计算用户的各类特征数据之间的相关程度；生成单元，用于根据相关程度小于阈值的各特征数据，生成用户的特征向量；聚类单元，用于对各用户的特征向量进行聚类处理，将各用户划分到多个用户类别中。

在一些实施例中，生成单元根据相关程度小于阈值的各特征数据，生成用户的初始特征向量，利用高斯核函数对初始特征向量进行升维处理，生成特征向量。

在一些实施例中，聚类单元根据可以为用户提供的业务类别的数量，确定聚类处理的类别数量，选择相应数量的用户的特征向量作为初始聚类中心，根据初始聚类中心和各用户的特征向量，进行聚类处理。

在一些实施例中，聚类单元利用粒子群算法对初始聚类中心进行优化处理，确定优化聚类中心，根据优化聚类中心和各用户的特征向量，进行聚类处理。

在一些实施例中，该装置还包括：确定单元，用于根据各用户类别中各用户的特征数据，确定各用户类别对应的业务类别，以便根据各用户相应的业务类别提供业务服务。

根据本公开的又一些实施例，提供一种用户的分类装置，包括：存储器；和耦接至存储器的处理器，处理器被配置为基于存储在存储器装置中的指令，执行上述任一个实施例中的用户的分类方法。

根据本公开的再一些实施例，提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述任一个实施例中的用户的分类方法。