[发明专利]用户数据的分类方法、装置、设备和介质

权利要求书

1.一种用户数据的分类方法，其特征在于，包括以下步骤：

获取用户的原始数据；

对所述原始数据进行数据处理，得到所述原始数据对应的特征向量；

根据所述特征向量，对所述原始数据进行分类，得到所述用户对应的分类结果。

2.根据权利要求1所述的用户数据的分类方法，其特征在于，所述对所述原始数据进行数据处理，得到所述原始数据对应的特征向量，包括：

建立所述原始数据的无向权重图；

根据所述无向权重图，计算所述原始数据的拉普拉斯矩阵；

根据所述拉普拉斯矩阵，确定所述原始数据对应的所述特征向量。

3.根据权利要求2所述的用户数据的分类方法，其特征在于，所述根据所述无向权重图，计算所述原始数据的拉普拉斯矩阵，包括：

根据所述无向权重图，分别确定所述无向权重图的度矩阵和邻接矩阵；

根据所述度矩阵和所述邻接矩阵，得到所述拉普拉斯矩阵。

4.根据权利要求2所述的用户数据的分类方法，其特征在于，所述根据所述拉普拉斯矩阵，确定所述原始数据对应的所述特征向量，包括：

对所述拉普拉斯矩阵进行标准化处理，得到标准化后的拉普拉斯矩阵；

根据所述标准化后的拉普拉斯矩阵，确定目标特征值及其对应的特征向量，并将所述目标特征值对应的所述特征向量作为所述原始数据对应的所述特征向量。

5.根据权利要求1所述的用户数据的分类方法，其特征在于，所述根据所述特征向量，对所述原始数据进行分类，得到所述用户对应的分类结果，包括：

根据所述特征向量，构建特征矩阵；

对所述特征矩阵进行K-means聚类，得到所述分类结果。

6.根据权利要求1所述的用户数据的分类方法，其特征在于，还包括：

识别所述分类结果所处的价值区间；

根据所述价值区间，确定所述原始数据对应的价值标签。

7.根据权利要求1所述的用户数据的分类方法，其特征在于，还包括：

将所述分类结果输入至训练好的深度学习模型，得到与所述用户匹配的产品信息；

将所述产品信息推荐至所述用户的客户端。

8.一种用户数据的分类装置，其特征在于，包括：

获取模块，用于获取用户的原始数据；

数据处理模块，用于对所述原始数据进行数据处理，得到所述原始数据对应的特征向量；

分类模块，用于根据所述特征向量，对所述原始数据进行分类，得到所述用户对应的分类结果。

9.一种电子设备，其特征在于，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的用户数据的分类方法。

10.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-7中任一项所述的用户数据的分类方法。