[发明专利]一种用户缴费行为分类方法、装置、设备及可读存储介质

权利要求书

1.一种用户缴费行为分类方法，其特征在于，包括：

获取用户缴费行为数据，根据用户缴费行为特征，构建特征指标样本集；

设定聚类数目K和截断距离，计算所述特征指标样本集中各样本点的密度和距离，根据样本点的密度和距离，确定每个样本点的决策值；

对所述特征指标样本集内样本点的决策值进行降序排序，选取前K个样本点作为初始聚类中心；

根据所述初始聚类中心，将特征指标样本集中的数据进行聚类，根据聚类结果确定用户缴费行为群体。

2.根据权利要求1所述的用户缴费行为分类方法，其特征在于，所述用户缴费行为数据包括：用户基础数据和用户缴费相关数据，其中，所述用户基础数据包括用户类型、户名、用户行业、所属站点、年月、所处台区，所述用户缴费相关数据包括缴费渠道、缴费金额、缴费周期、欠费次数、违约用电次数、用户实名制认证情况、电子账单开通情况；

所述用户缴费行为特征包括：缴费次数、时间间隔、最近一次缴费周期、缴费总额、欠费金额占比，违约金总额。

3.根据权利要求1所述的用户缴费行为分类方法，其特征在于，所述用户缴费行为分类方法还包括：对所述用户缴费行为数据进行预处理，所述预处理包括剔除用户缴费行为数据中的无关数据、重复数据、平滑噪声数据；

采用数据标准化处理，将预处理后的各个数据变换到预设数值范围之内。

4.根据权利要求1所述的用户缴费行为分类方法，其特征在于，通过以下公式确定每个样本点的决策值：

其中，γ_i为第i个样本点的决策值，ρ_i为第i个样本点的密度，δ_i为第i个样本点的距离，n为特征指标样本集中样本点的个数，maxρ样本密度最大值，minρ为样本密度最小值，maxδ为距离最大值，minδ为距离最小值。

5.根据权利要求1所述的用户缴费行为分类方法，其特征在于，所述根据所述初始聚类中心，将特征指标样本集中的数据进行聚类，根据聚类结果确定用户缴费行为群体，包括：

根据初始聚类中心，计算剩余每个样本点与各类簇的初始聚类中心的距离，并将每个数据对象赋给距其最近的类簇，并计算初始目标函数值；

重新计算每个新簇的均值作为新的类簇中心；

根据新的类簇中心，计算目标函数值；

若目标函数值与初始目标函数值的差值不满足收敛条件，则将新的类簇中心作为初始聚类中心，重新上述步骤，直到目标函数值与初始函数值的差值满足收敛条件，输出聚类结果，确定用户缴费行为群体。

6.根据权利要求1所述的用户缴费行为分类方法，其特征在于，在确定用户缴费行为群体之后，所述用户缴费行为分类方法还包括：

针对不同的用户缴费群体，给出与之对应的催费策略。

7.根据权利要求7所述的用户缴费行为分类方法，其特征在于，所述针对不同的用户缴费群体，给出与之对应的催费策略，包括：

根据缴费结清日，将用户缴费行为群体划分为若干个子群体；

针对不同子群体，采取与各子群体相对应的缴费方式。

8.一种用户缴费行为分类装置，其特征在于，包括：

获取模块，用于获取用户缴费行为数据，根据用户缴费行为特征，构建特征指标样本集；

确定模块，用于设定聚类数目K和截断距离，计算所述特征指标样本集中各样本点的密度和距离，根据样本点的密度和距离，确定每个样本点的决策值；

选取模块，用于对所述特征指标样本集内样本点的决策值进行降序排序，选取前K个样本点作为初始聚类中心；

聚类模块，用于根据所述初始聚类中心，将特征指标样本集中的数据进行聚类，根据聚类结果确定用户缴费行为群体。