[发明专利]一种形成样本类簇的方法及装置

说明书

本说明书实施例提供一种形成样本类簇的方法及装置。所述方法包括：首先，获取关系网络图中多个样本的特征信息和样本间连接关系；并基于所述多个样本中各个样本的特征信息，将所述多个样本划分为多个子集；接着，对所述多个子集中的样本分别进行聚类，得到N个聚群；N为正整数；接着，确定各个聚群的内聚度；确定聚群间耦合度；并根据该聚群间耦合度，以及聚群内聚度，确定聚群间耦合系数；然后，基于所述N个聚群中各个两两聚群的聚群间耦合系数，形成包括所述N个聚群作为节点的网络结构；基于所述网络结构的连通性，对所述N个聚群中的至少两个聚群进行合并，得到样本类簇。

技术领域

本说明书一个或多个实施例涉及计算机信息处理领域，尤其涉及一种形成样本类簇的方法及装置。

背景技术

在进行数据分析，特别是大数据分析时，聚类是一种常用的分析方法。直观上讲，聚类是指将相关度高的样本聚在一起，从而形成一个样本类簇(cluster)。聚类可以把相关度高的样本划分到一个样本类簇，使得同一个类簇内的样本相关度较高，而不同类簇之间的样本相关度较低。

随着智能终端的普及，用户日常生活产生的数据量迅速增加，这给聚类算法的性能带来了挑战。因此，需要一种能够有效地对大规模数据进行聚类的方法。

发明内容

本说明书一个或多个实施例描述了一种形成样本类簇方法及装置，可以有效地对大规模数据进行聚类分析。

根据第一方面，提供了一种形成样本类簇的方法，所述方法包括：

获取关系网络图中多个样本的特征信息和样本间连接关系；

基于所述多个样本中各个样本的特征信息，将所述多个样本划分为多个子集；

对所述多个子集中的样本分别进行聚类，得到N个聚群；N为正整数；

对于所述N个聚群中的各个聚群，基于该聚群内样本间的连接关系，确定各个聚群的内聚度；

对于所述N个聚群中任意的第一聚群和第二聚群，基于第一聚群中的样本与第二聚群中的样本之间的连接关系，确定第一聚群和第二聚群的聚群间耦合度；并根据该聚群间耦合度，以及第一聚群和第二聚群各自的内聚度，确定第一聚群和第二聚群的聚群间耦合系数；

基于所述N个聚群中各个两两聚群的聚群间耦合系数，形成包括所述N个聚群作为节点的网络结构；

基于所述网络结构的连通性，对所述N个聚群中的至少两个聚群进行合并，得到样本类簇。

在一个实施例中，其中，所述样本包括用户样本；所述特征信息包括用户所在的行政区域；所述连接关系包括以下中的至少一项：亲情关系、通信关系、资金关系、人际关系、媒介关系。

在一个实施例中，其中，所述样本间连接关系对应于样本间的连接边；

所述对于所述N个聚群中的各个聚群，基于该聚群内样本间的连接关系，确定各个聚群的内聚度，包括：

统计该聚群内样本间的连接边的个数，以得到各个聚群的内聚度。

在一个示例中，其中，所述基于第一聚群中的样本与第二聚群中的样本之间的连接关系，确定第一聚群和第二聚群的聚群间耦合度，包括：

统计第一聚群中的样本和第二聚群中的样本间的连接边的个数，得到第一聚群和第二聚群的聚群间耦合度。

在一个实施例中，其中，所述样本间连接关系对应于样本间的连接边，且各个连接边为有权边；

所述对于所述N个聚群中的各个聚群，基于该聚群内样本间的连接关系，确定各个聚群的内聚度，包括：

将该聚群内样本间的连接边的权值进行加和，以得到各个聚群的内聚度。