[发明专利]一种目标客户筛选方法及装置

权利要求书

1.一种目标客户筛选方法，其特征在于，包括：

在待分类客户样本中筛选出预进行推送预设信息的本次目标客户；

获取对所述本次目标客户进行预设信息推送后的推送反馈结果；

根据所述推送反馈结果对筛选本次目标客户的筛选模型进行修正，以根据修正后的筛选模型进行下次目标客户的筛选。

2.根据权利要求1所述的目标客户筛选方法，其特征在于，所述在待分类客户样本中筛选出预进行推送预设信息的本次目标客户的步骤包括：

获取筛选模型；

根据所述筛选模型，分别计算待分类客户样本中每个客户样本在每个类别上的概率值；

根据每个客户样本的所述概率值，在待分类客户样本中选取出推送预设信息的本次目标客户。

3.根据权利要求2所述的目标客户筛选方法，其特征在于，所述筛选模型为朴素贝叶斯分类器时，所述获取筛选模型的步骤包括：

获取用于构建朴素贝叶斯分类器的训练数据和测试数据；

利用所述训练数据构建得到初始的分类器；

利用所述测试数据对所述分类器进行选择，得到朴素贝叶斯分类器。

4.根据权利要求3所述的目标客户筛选方法，其特征在于，所述利用所述训练数据构建得到初始的分类器的步骤包括：

利用训练数据得到初始的分类器的先验概率和条件概率；

根据先验概率和条件概率得到训练数据、测试数据中每个样本所属的类别，并计算训练误差、测试误差，选取测试误差最小的分类器作为初始的分类器。

5.根据权利要求4所述的目标客户筛选方法，其特征在于，所述利用训练数据得到初始的分类器的先验概率和条件概率的步骤包括：

利用公式：计算得到训练数据在每个类别上的先验概率；

利用公式：计算得到训练数据的条件概率；

其中，训练数据T＝{(x₁,y₁),(x₂,y₂),...,(x_N,y_N)}，N表示所述训练数据中包含样本x的总个数；P(Y＝c_k)表示在类别Y上的先验概率；y_i为Y的目标变量，表示样本类别，且y_i∈{c₁,c₂,...,c_K}，c_k为样本类别值；I(·)表示求样本类别概率函数；P(X^(j)＝a_jl|Y＝c_k)表示训练数据的条件概率；表示第i个样本的第j个特征，且a_jl是第j个特征取得第l个值；j＝1,2,...,n，l＝1,2,...,S_j，k＝1,2,...,K。

6.根据权利要求4所述的目标客户筛选方法，其特征在于，所述根据先验概率和条件概率得到训练数据、测试数据中每个样本所属的类别，并计算训练误差、测试误差，选取测试误差最小的分类器作为初始的分类器的步骤包括：

利用公式：将训练数据中每个样本在预设类别上求得的最大值所对应的类别作为该样本的类别；其中，

y表示具有最大值的样本类别；P(Y＝c_k)表示在类别Y上的先验概率；Y表示样本类别；c_k为样本类别值；P(X^(j)＝x^(j)|Y＝c_k)表示条件概率，x^(j)为x的目标变量，x表示样本实例，且x＝(x⁽¹⁾,x⁽²⁾,...,x⁽ⁿ⁾)^T。