[发明专利]一种基于历史交易信息的用户分类管理方法

说明书

本发明涉及数据处理领域，具体涉及一种基于历史交易信息的用户分类管理方法。该方法获取每个用户的历史交易信息，根据每个用户的历史交易信息构建每个用户的第一完全无向图，对第一无向图进行修剪得到第二完全无向图，获取任意两个用户的两个第二完全无向图中相同部分作为两个用户的子图对，根据两个用户的子图对得到用户间的从属程度，根据用户间的从属程度构建出用户消费关系完全无向图，根据用户消费关系完全无向图得到多个用户类型，有效提高根据用户的消费习惯特征进行用户分类的准确性。

技术领域

本发明涉及数据处理技术领域，具体涉及一种基于历史交易信息的用户分类管理方法。

背景技术

通过对电商平台用户的历史交易信息进行用户分类，可以提高对用户推荐商品的精准程度，提高电商平台的商品交易量。

但是现有的电商用户分类方法，在基于用户的历史交易信息进行用户分类时，通常采用消费信息匹配的方法对电商用户进行分类，但是由于不同用户消费习惯的多样性，会导致常规分类方法进行消费信息匹配时，无法准确有效的区分用户消费习惯。

进而本方案提出了一种基于历史交易信息的用户分类管理方法，通过构建用户的图结构数据，求取不同用户之间的从属程度，完成对上述方法的优化，使得能够的区分用户消费习惯，完成了基于历史交易信息更加准确的用户分类结果。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种基于历史交易信息的用户分类管理方法，所采用的技术方案具体如下：

一种基于历史交易信息的用户分类管理方法，所述方法包括：

采集每个用户的历史交易信息，所述每个用户的历史交易信息包含每个用户购买的商品类型以及对每种类型商品的购买时间，根据每个用户的历史交易信息得到每个用户的第一完全无向图；

对每个用户的第一完全无向图进行修建得到每个用户的第二完全无向图，根据所有用户的第二完全无向图得到每个用户的具有多样的消费习惯用户集合；根据每个用户的具有多样的消费习惯用户集合得到用户之间的从属程度；

根据用户之间的从属程度构建用户消费关系完全无向图，根据用户消费关系完全无向图得到多个用户类型。

优选的，所述根据每个用户的历史交易信息得到每个用户的第一完全无向图的公式，包括：

在所有用户历史交易信息集合中获取所有用户购买的商品类型集合，获取每个用户的对每种类型商品的购买时间，将所述商品类型集合中任意两种类型商品的随机组合得到商品类型对，根据每个用户对每个商品类型对中两种类型商品的购买时间得到所述商品类型对的间隔时间值集合，所述间隔时间值集合包含多个间隔时间值，对商品类型对的多个间隔时间值进行统计得到购买间隔时间直方图，根据购买间隔时间直方图得到所述商品类型对的时间间隔值平均值，获取间隔时间值集合中包含间隔时间值的总个数记为商品类型对的第一数量；将商品类型对的第一数量和时间间隔值平均值构成二维向量记为权值向量；

以每种类型商品为节点，以权值向量为变权值构建第一完全无向图。

优选的，所述根据每个用户的具有多样的消费习惯用户集合得到用户之间的从属程度的方法，包括：

将所述用户第二完全无向图与每个多样的消费习惯用户的第二完全无向图中相同的子图拆分出来得到相同子图集合，将相同子图集合中同一子图构成子图对，得到多个子图对，每个子图对中两个子图的对应边的边权值相减得到差值向量，将差值向量中两个维度的值相乘得到的乘积值作为所述子图对每个对应边的综合差异，将综合差异进行负相关映射得到所述子图对每个对应边的匹配值，将子图对所有对应边的匹配值求均值得到每个子图对的第一匹配值，将相同子图集合中所有子图对的第一匹配值的均值作为所述用户与每个多样的消费习惯用户的从属程度，即用户之间的从属程度。

优选的，所述对每个用户的第一完全无向图进行修建得到每个用户的第二完全无向图的方法，包括：