[发明专利]用户分类方法及装置、项目推荐方法及装置

说明书

本申请提供一种用户分类方法及装置、项目推荐方法及装置、电子设备和计算机存储介质，该用户分类方法包括：获取用户属性数据集及初始聚类中心数量；对用户属性数据集中的数据点进行聚类，直至收敛，生成与初始聚类中心数量对应的多个第一簇；确定各个第一簇的簇内评价指标和簇内用户数量；在确定簇内评价指标不满足标准簇内评价指标和/或簇内用户数量不满足标准簇内用户数量时，对聚类中心的数量进行调整并根据调整后的聚类中心的数量对用户属性数据集中的数据点进行再次聚类，直至收敛，生成与调整后的聚类中心数量对应的多个第二簇，通过对聚类中心的数量进行调整以提高聚类结果的准确性。

技术领域

本申请涉及信息处理领域，具体而言，涉及一种用户分类方法及装置、项目推荐方法及装置、电子设备和计算机存储介质。

背景技术

K均值聚类算法(K-means clustering algorithm，k-means算法)是一种迭代求解的聚类分析算法，其步骤是，选取K个聚类中心，然后计算每个对象与各个聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。

然而，现有的K-means算法中，在进行聚类前，需要事先给定聚类中心个数。但在实际中，聚类中心个数的选定是难以估计的。选取不同的聚类中心个数可能会导致完全不同的聚类结果，因此，若选取不合适的聚类中心个数，会影响聚类结果的准确性。

发明内容

本申请实施例的目的在于提供一种用户分类方法及装置、项目推荐方法及装置、电子设备和计算机存储介质，用以解决难以确定合适的聚类中心个数的问题。

第一方面，本申请提供一种用户分类方法，所述方法包括：获取用户属性数据集及初始聚类中心数量，所述用户属性数据集包括多个数据点，每个所述数据点对应一个用户的至少一维的用户属性；对所述用户属性数据集中的数据点进行聚类，直至收敛，生成与所述初始聚类中心数量对应的多个第一簇；确定各个所述第一簇的簇内评价指标和簇内用户数量，所述簇内评价指标用于表征簇内各数据点到聚类中心的平均距离，所述簇内用户数量与相应的第一簇中的数据点的数量对应；在确定所述簇内评价指标不满足标准簇内评价指标和/或所述簇内用户数量不满足标准簇内用户数量时，根据所述簇内评价指标、所述簇内用户数量、所述标准簇内评价指标和所述标准簇内用户数量对聚类中心的数量进行调整并根据调整后的聚类中心的数量对所述用户属性数据集中的数据点进行再次聚类，直至收敛，生成与所述调整后的聚类中心数量对应的多个第二簇。

在本申请实施例中，相较于传统的K-means算法中需要根据经验确定出合适的K值(即聚类中心的数量)，本申请实施例提供的用户分类方法先随机确定一个K值，进行聚类，然后根据簇内评价指标和簇内用户数量与预设的标准簇内评价指标和标准簇内用户数量对聚类中心的数量进行调整，再根据调整后的聚类中心数量进行聚类，直至收敛。在簇内评价指标和簇内用户数量不满足预设条件时，对聚类中心的数量进行调整，从而在一定程度上提升最终的聚类结果的准确性。

在可选的实施方式中，所述对所述用户属性数据集中的数据点进行聚类，直至收敛，生成与所述初始聚类中心数量对应的多个第一簇，包括：从所述用户属性数据集中随机选取与所述初始聚类中心数量对应的多个数据点作为初始聚类中心；根据预设公式计算所述用户属性数据集中的每个非聚类中心的数据点到各个初始聚类中心的距离；将各个非聚类中心的数据点分到与其距离最近的初始聚类中心对应的簇中；将每个簇的质心作为新的聚类中心，若新的聚类中心与当前聚类中心不同，则再次根据所述预设公式计算所述用户属性数据集中非聚类中心的数据点到各个新的聚类中心的距离，并将非聚类中心的数据点分到与其距离最近的聚类中心对应的簇中；以此类推，直至聚类后的每个簇的质心与前次的聚类中心相同。