[发明专利]一种用户类型识别方法及装置

权利要求书

1.一种用户类型识别方法，其特征在于，该方法包括：

获得用户信息样本数据集合，根据应用需求确定需要关注的数据特征；

对所选取的数据特征进行降维处理，以得到包含风险与收益两类主要成分的数据特征；

利用降维后得到的数据特征，对所述用户信息样本数据进行聚类，以得到直观体现风险和收益的聚类结果；

根据聚类结果中的异常点，生成用户类型识别规则，其中，异常点为高收益低风险的用户聚类，所述用户类型识别规则用于对高收益低风险的用户类型进行识别。

2.根据权利要求1所述的方法，其特征在于，所述对所选取的数据特征进行降维处理，包括：

利用主成分分析法对所选取的数据特征进行降维处理。

3.根据权利要求2所述的方法，其特征在于，所述利用主成分分析法对所选取的数据特征进行降维处理，包括：

根据所述应用需求对应的关注指标，对所选取的数据特征进行分组；

以所述关注指标作为主成分，利用主成分分析法分别将每组数据特征转换为主成分数据特征。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

利用所确定的用户类型识别规则对用户类型进行识别，将识别结果与用户的实际情况进行比较，根据比较结果对所确定的用户类型识别规则进行修正。

5.一种用户类型识别装置，其特征在于，该装置包括：

特征确定模块，用于获得用户信息样本数据集合，根据应用需求确定需要关注的数据特征；

降维处理模块，用于对所选取的数据特征进行降维处理，以得到包含风险与收益两类主要成分的数据特征；

聚类模块，用于利用降维后得到的数据特征，对所述用户信息样本数据进行聚类，以得到直观体现风险和收益的聚类结果；

规则生成模块，用于根据聚类结果中的异常点，生成用户类型识别规则，其中，异常点为高收益低风险的用户聚类，所述用户类型识别规则用于对高收益低风险的用户类型进行识别。

6.根据权利要求5所述的装置，其特征在于，所述降维处理模块具体用于：

利用主成分分析法对所选取的数据特征进行降维处理。

7.根据权利要求6所述的装置，其特征在于，所述降维处理模块具体用于：

根据所述应用需求对应的关注指标，对所选取的数据特征进行分组；

以所述关注指标作为主成分，利用主成分分析法分别将每组数据特征转换为主成分数据特征。

8.根据权利要求5所述的装置，其特征在于，所述装置还包括：

修正模块，用于利用所确定的用户类型识别规则对用户类型进行识别，将识别结果与用户的实际情况进行比较，根据比较结果对所确定的用户类型识别规则进行修正。