[发明专利]一种挖掘用户流量经营场景的方法及装置

权利要求书

1.一种挖掘用户流量经营场景的方法，其特征在于，包括：

获取用户在预设时长内每个第一时段的第一流量数据，根据密度聚类算法确定每个用户的第一离群高峰时段；

根据动态时间规整算法，确定所述用户之间的第一离群高峰时段的相似度，根据所述相似度，确定同一类别的用户；

获取所述同一类别的用户在其对应的第一离群高峰时段的第一上网行为数据，根据自适应神经网络聚类算法，对所述第一上网行为数据聚类，确定同一类别中每个用户的第一上网行为标签；

根据每个用户的第一离群高峰时段和所述第一上网行为标签确定每个用户的第一流量经营场景；

其中，所述根据密度聚类算法确定每个用户的第一离群高峰时段，包括：

根据所述第一流量数据，确定每个用户的样本数据集；

根据每个用户的样本数据集，确定密度聚类算法的半径和最小样本点数；

根据所述半径和所述最小样本点数，确定所述第一流量数据中的核心对象，将所述核心对象添加至核心对象集合中；

对所述核心对象集合中的核心对象进行聚类，确定所述核心对象集合的至少一个聚类簇；

若判断获知所述聚类簇中的核心对象的个数小于预设核心数阈值，则确定所述聚类簇中的核心对象为离群点；

若判断获知所述离群点对应的第一流量数据大于预设流量阈值，则确定所述离群点对应的用户为流量异动用户，所述离群点对应的第一时段为所述流量异动用户的第一离群高峰时段。

2.根据权利要求1所述的方法，其特征在于，所述根据所述半径和最小样本点数，确定所述第一流量数据中的核心对象，将所述核心对象添加至核心对象集合中，包括：

计算每个用户的样本数据集中的样本点x_i到所述第一流量数据对应的其他样本点x_j的样本距离；

若判断获知所述样本距离小于或等于所述半径，则确定所述样本点x_j为所述样本点x_i邻域内的样本点；

若判断获知所述样本点x_i邻域内的样本点数大于或等于所述最小样本点数，则确定所述样本点x_i为核心对象，将所述样本点x_i加入到核心对象集合中。

3.根据权利要求1所述的方法，其特征在于，所述根据动态时间规整算法，确定所述用户之间的第一离群高峰时段的相似度，根据所述相似度，确定同一类别用户，包括：

根据每个用户的第一离群高峰时段，确定每个用户的高峰流量时间序列；

根据动态时间规整算法，确定所述用户之间的高峰流量时间序列的时间距离；

若判断获知所述时间距离小于预设时间距离阈值，则确定所述高峰流量时间序列对应的用户为同一类别用户。

4.根据权利要求1所述的方法，其特征在于，所述获取同一类别的用户在其对应的第一离群高峰时段的第一上网行为数据，根据自适应神经网络聚类算法，对所述第一上网行为数据聚类，确定同一类别中每个用户的第一上网行为标签，包括：

获取同一类别的用户在其对应的第一离群高峰时段的第一上网行为数据，将所述第一上网行为数据划分为N个输入类别，根据所述N个输入类别确定每个用户的输入数据，其中N为大于1的正整数；

初始化所述输入数据的权重，根据所述权重和所述输入数据搜索自适应神经网络的优胜节点；

根据所述优胜节点调整所述权重，根据调整后的权重更新所述自适应神经网络的优胜节点；

若判断获知达到预设迭代终止条件，则获取所述自适应神经网络的输出结果，所述输出结果包括每个用户的M个聚类结果，其中所述M为大于1的正整数且小于所述N；

根据每个用户的第一上网行为数据，确定M个聚类结果标签，根据每个聚类结果标签，确定所述用户的第一上网行为标签。