[发明专利]一种用户客群分类方法和装置

权利要求书

1.一种用户客群分类方法，其特征在于，包括：

采集多个用户的用户数据，所述用户数据包括多种用户行为类别的数据，所述用户行为类别根据用户行为特性来进行划分；

将采集到的用户数据进行去除奇异点、补齐缺失值和/或去掉重复采集的数据的操作，得到数据样本集；

根据数据样本的用户行为类别对所述数据样本集中的数据样本进行聚类运算，得到多个聚类；

采用预设的初始分类模型对每个聚类中的数据样本的客群分类进行预测；

根据预测结果计算相应数据样本的最大信息量，所述最大信息量指的是数据样本所能够提供的信息的最大含量；

根据最大信息量分别计算每个聚类中的数据样本的相似度；

根据所述相似度对每个聚类中的冗余样本进行剔除，得到待训练样本集；

基于所述待训练样本集进行分类模型训练，并根据训练后分类模型对待分类数据进行客群分类。

2.根据权利要求1所述的方法，其特征在于，所述根据最大信息量分别计算每个聚类中的数据样本的相似度，包括：

根据最大信息量从每个聚类中选取不确定性最大的前K个数据样本，得到待标注样本集，其中，K为正整数；

计算待标注样本集中两两数据样本之间的相似度，得到每个聚类中的数据样本的相似度。

3.根据权利要求1所述的方法，其特征在于，所述采用预设的初始分类模型对每个聚类中的数据样本的客群分类进行预测之前，还包括：

从每个聚类中随机选择预定数量的数据样本进行人工标注；

根据人工标注后的数据样本对预设的原始模型进行训练，得到初始分类模型；

所述采用预设的初始分类模型对每个聚类中的数据样本的客群分类进行预测，包括：采用得到的初始分类模型，对每个聚类中的其他未进行人工标注的数据样本的客群分类进行预测。

4.根据权利要求1所述的方法，其特征在于，所述根据所述相似度对每个聚类中的冗余样本进行剔除，得到待训练样本集的步骤包括：

获取相似度大于预设阈值的数据样本，得到候选集；

从候选集中筛选最大信息量满足预设条件的数据样本，得到待训练样本集。

5.根据权利要求4所述的方法，其特征在于，所述从候选集中筛选最大信息量满足预设条件的数据样本，得到待训练样本集，包括：

统计所述候选集中每个数据样本所具有的高度相似度的数量，得到高度相似计数，所述高度相似度为大于预设阈值的相似度；

从所述候选集中剔除高度相似计数最高的前N个数据样本，得到待训练样本集，其中，N为正整数。

6.根据权利要求1至5任一项所述的方法，其特征在于，所述基于所述待训练样本集进行分类模型训练，包括：

获取预设的初始分类模型；

对所述待训练样本集中的数据样本进行标注；

根据标注后的数据样本对所述初始分类模型进行训练，得到训练后分类模型。

7.根据权利要求1至5任一项所述的方法，其特征在于，所述根据训练后分类模型对待分类数据进行客群分类，包括：

获取待分类数据；

将所述待分类数据导入训练后分类模型中，得到输出结果；

根据所述输出结果确定所述待分类数据的客群分类。