[发明专利]用户数据的分类方法、装置、设备和介质

说明书

一种用户数据的分类方法、装置、设备和介质，所述方法包括：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，以提供一种更准确的分类方法。

技术领域

本发明涉及数据处理技术领域，尤其涉及云计算技术领域，具体涉及一种用户数据的分类方法、装置、设备和介质。

背景技术

随着信息安全保护机制的不断健全，金融机构能够合理合法的获取相关客户的数据。相关技术中，虽然提出了多种进行用户画像的方法，但是，通常出现分类不准确、局部最优等问题，严重影响了对基于用户画像的分析工作，因此，需要改进。

发明内容

本申请提供一种用户数据的分类方法、装置、设备和介质，以提供一种更准确的分类方法。

根据第一方面，一种实施例中提供一种用户数据的分类方法，包括：

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。

在一些实施例中，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。

在一些实施例中，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。

在一些实施例中，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。

在一些实施例中，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。

在一些实施例中，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。

在一些实施例中，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。

根据第二方面，一种实施例中提供一种用户数据的分类装置，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。