[发明专利]一种集装箱码头客户模型建模方法

权利要求书

1.一种集装箱码头客户模型建模方法，其特征在于，包括：

搭建Spark+Hadoop集群环境；

基于设定指标维度选取客户群体信息；

处理客户群体信息得到客户群体数据，并对客户群体数据进行归一化处理；

建立聚类模型，在搭建的Spark平台上对所述客户群体数据进行聚类分析确定关注客户类别，针对每个类别的关注客户确定客户关注度。

2.根据权利要求1所述的集装箱码头客户模型建模方法，其特征在于，在搭建Spark+Hadoop集群环境中，包括：

所述Spark集群依赖于CDH集群正常工作；以及，

在搭建Hadoop集群基础上搭建YARN资源管理器的Spark分布式集群，基于Hadoop底层的HDFS实现海量数据存储，基于Spark实现对大规模数据的快速分布式计算。

3.根据权利要求1所述的集装箱码头客户模型建模方法，其特征在于，基于设定指标维度选取客户群体信息中，所述设定指标维度包括：

基于客户对码头贡献的集装箱吞吐量、客户对码头贡献的单箱收入、客户对码头贡献收入的增长率、客户挂靠码头的航线数量和客户的欠款额。

4.根据权利要求1所述的集装箱码头客户模型建模方法，其特征在于，处理客户群体信息得到客户群体数据，包括：

通过ETL工具对不同客户群体信息进行过滤、清洗、转换，得到客户群体数据。

5.根据权利要求1所述的集装箱码头客户模型建模方法，其特征在于，对客户群体数据进行归一化处理，包括：

采用线性归一化处理客户群体数据，使得结果值映射到[0,1]之间。

6.根据权利要求1所述的集装箱码头客户模型建模方法，其特征在于，建立聚类模型，具体包括：

在搭建的Spark集群环境中将所述不同客户群体数据采用Spark MLlib K-means算法建立Spark MLlib K-means聚类模型。

7.根据权利要求6所述的集装箱码头客户模型建模方法，其特征在于，在K-means算法中，采用误差平方和SSE确定最佳聚类数k；在Spark MLlib K-means中对初始聚类中心采用随机选择方式得到所需的聚类中心。