[发明专利]一种用户分群方法及计算设备

说明书

本发明公开了一种用户分群方法，在计算设备中执行，计算设备与数据存储装置连接，数据存储装置中存储有每一个用户对每一个无线网络的连接次数，以及每一个用户对每一个标签的偏好权重。该方法包括：根据每一个用户对每一个无线网络的连接次数来确定两两用户的空间相似度；根据每一个用户对每一个标签的偏好权重来确定两两用户的属性相似度；根据空间相似度和属性相似度来确定两两用户的群组相似度；根据两两用户的群组相似度来确定每一个用户的群组特征向量；根据每一个用户的群组特征向量来对用户进行聚类，以将用户划分为多个群组。本发明一并公开了相应的计算设备。

技术领域

本发明涉及数据挖掘技术领域，尤其涉及一种用户分群方法及计算设备。

背景技术

随着移动互联网技术的发展，移动终端已成为人们获取信息的重要媒介，用户对移动终端的操作可以展示出用户的行为偏好。根据用户的行为偏好对用户群体进行划分，对同一个群体中的用户推送相似的信息，或利用相似用户来向目标用户推送信息(协同过滤)，可以准确地向用户推送个性化内容。

现有的用户分群方法多基于用户的行为特征(例如浏览记录、订单记录、购买历史等)以及兴趣爱好(例如游戏、音乐、阅读等)来对用户进行聚类。这种方法仅考虑到了用户自身的特征，导致其分群结果往往仅适用于特定的应用场景，可移植性较差。此外，由于考虑到的用户特征有限，其分群结果有时不够准确，难以令人满意。

发明内容

为此，本发明提供一种用户分群方法及计算设备，以解决或至少缓解上面存在的问题。

根据本发明的一个方面，提供一种用户分群方法，一种用户分群方法，在计算设备中执行，计算设备与数据存储装置连接，数据存储装置中存储有每一个用户对每一个无线网络的连接次数，以及每一个用户对每一个标签的偏好权重，该方法包括：根据每一个用户对每一个无线网络的连接次数来确定两两用户的空间相似度；根据每一个用户对每一个标签的偏好权重来确定两两用户的属性相似度；根据空间相似度和属性相似度来确定两两用户的群组相似度；根据两两用户的群组相似度来确定每一个用户的群组特征向量；根据每一个用户的群组特征向量来对用户进行聚类，以将用户划分为多个群组。

可选地，在根据本发明的用户分群方法中，根据每一个用户对每一个无线网络的连接次数来确定两两用户的空间相似度的步骤包括：根据每一个用户对每一个无线网络的连接次数来确定邻接矩阵W，邻接矩阵W为N*N的方阵，N为用户与无线网络的数量之和，将每一个用户、每一个无线网络记为一个节点，邻接矩阵W中的元素w_ij表示节点i与节点j的连接次数；根据邻接矩阵W来确定每一个用户的空间特征向量；根据每一个用户的空间特征向量来确定两两用户的空间相似度。

可选地，在根据本发明的用户分群方法中，根据邻接矩阵W来确定每一个用户的空间特征向量的步骤包括：根据邻接矩阵W确定拉普拉斯矩阵L＝D-W，其中，D为对角矩阵，D中的元素d_ii＝∑_jw_ij；对拉普拉斯矩阵L进行归一化，得到矩阵L'＝D^-1/2LD^-1/2；对矩阵L’进行特征值分解，将特征值按照由小到大的顺序排列，取除了0之外的前k₁个特征值所对应的特征向量构成N*k₁的第一临时矩阵T₁，将第一临时矩阵T₁中的用户节点所对应的行向量作为该用户的空间特征向量。

可选地，在根据本发明的用户分群方法中，根据每一个用户的空间特征向量来确定两两用户的空间相似度的步骤包括：将两个用户的空间特征向量的余弦相似度作为这两个用户的空间相似度。

可选地，在根据本发明的用户分群方法中，根据每一个用户对每一个标签的偏好权重来确定两两用户的属性相似度的步骤包括：根据每一个用户对每一个标签的偏好权重来确定每一个用户的属性特征向量；根据每一个用户的属性特征向量来确定两两用户的属性相似度。