[发明专利]用户个性化行为评价方法、装置、计算机设备和存储介质

权利要求书

1.一种用户个性化行为评价方法，其特征在于，所述方法包括：

采集用户行为特征数据；

根据PCA算法，对所述用户行为特征数据进行主成分分析，提取主要特征数据；

根据基于信息熵的CFSFDP聚类算法，对所述主要特征数据进行聚类分析，提取核心类特征；

根据所述核心类特征以及所述核心类特征内数据分布，生成用户个性化评价报告；

所述根据PCA算法，对所述用户行为特征数据进行主成分分析，提取主要特征数据之前，还包括：根据用户行为特征数据，生成评价指标集，推送评价指标集至用户；

当未接收到评价指标集勾选反馈消息时，进入所述根据PCA算法，对所述用户行为特征数据进行主成分分析，提取主要特征数据的步骤；

当接收到用户已勾选的评价指标消息时，对所述用户已勾选的评价指标消息携带的已勾选评价指标进行加权处理，所述加权处理包括：获取加权处理方式，推送所述加权处理方式至所述用户，接收所述用户反馈的加权处理方式，根据用户反馈的加权处理方式，对已勾选的评价指标进行加权处理；

所述根据PCA算法，对所述用户行为特征数据进行主成分分析，提取主要特征数据包括：根据已加权的评价指标和所述用户行为特征数据，采用PCA算法进行主成分分析，提取主要特征数据；

所述根据基于信息熵的CFSFDP聚类算法，对所述主要特征数据进行聚类分析，提取核心类特征包括：

计算所述主要特征数据的信息熵；

根据所述信息熵，约束截断距离参数，确定所述主要特征数据之间的局部密度值和距离；

根据所述主要特征数据之间的局部密度值和距离，构建决策图；

对所述决策图中的潜在聚类中心点进行DBI指数计算，确定最优聚类数目；

基于所述最优聚类数目，根据所述CFSFDP聚类算法对所述主要特征数据进行聚类分析，得出聚类结果；

从所述聚类结果中提取核心类特征。

2.根据权利要求1所述的用户个性化行为评价方法，其特征在于，所述采集用户行为特征数据之后，所述根据PCA算法，对所述用户行为特征数据进行主成分分析，提取主要特征数据之前，还包括：

对所述用户行为特征数据依次进行特征量化、清洗、填充和无量纲处理。

3.根据权利要求1所述的用户个性化行为评价方法，其特征在于，所述反馈的加权处理方式为手动加权、自动加权以及固定加权三种方式中的任一种。

4.根据权利要求2所述的用户个性化行为评价方法，其特征在于，所述对所述用户行为特征数据依次进行特征量化、清洗、填充和无量纲处理包括：

对所述用户行为特征数据进行量化处理，对量化处理之后的所述用户行为特征数据进行数据清洗、均值填充、离群点删除、去噪以及无量纲处理。

5.一种用户个性化行为评价装置，其特征在于，所述装置包括：

数据采集模块，用于采集用户行为特征数据；

主成分分析模块，用于根据用户行为特征数据，生成评价指标集，推送评价指标集至用户，当未接收到评价指标集勾选反馈消息时，进入根据PCA算法，对所述用户行为特征数据进行主成分分析，提取主要特征数据的步骤，当接收到用户已勾选的评价指标消息时，对所述用户已勾选的评价指标消息携带的已勾选评价指标进行加权处理，所述加权处理包括：获取加权处理方式，推送所述加权处理方式至所述用户，接收所述用户反馈的加权处理方式，根据用户反馈的加权处理方式，对已勾选的评价指标进行加权处理；

聚类分析模块，用于计算所述主要特征数据的信息熵，根据所述信息熵，约束截断距离参数，确定所述主要特征数据之间的局部密度值和距离，根据所述主要特征数据之间的局部密度值和距离，构建决策图，对所述决策图中的潜在聚类中心点进行DBI指数计算，确定最优聚类数目，基于所述最优聚类数目，根据CFSFDP聚类算法对所述主要特征数据进行聚类分析，得出聚类结果，从所述聚类结果中提取核心类特征；

评价报告生成模块，用于根据所述核心类特征以及所述核心类特征内数据分布，生成用户个性化评价报告。