[发明专利]一种分类方法及装置在审

专利信息
申请号: 202011399123.9 申请日: 2020-12-02
公开(公告)号: CN112559854A 公开(公告)日: 2021-03-26
发明(设计)人: 蔡一欣;许翀;张溶芳;李堃 申请(专利权)人: 中国联合网络通信集团有限公司
主分类号: G06F16/9535 分类号: G06F16/9535;G06K9/62;G06Q50/32
代理公司: 北京天昊联合知识产权代理有限公司 11112 代理人: 彭瑞欣;冯建基
地址: 100033 *** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 分类 方法 装置
【权利要求书】:

1.一种分类方法,其特征在于,包括:

基于用户的通信消费数据和预设特征维度构建一级特征向量;

依据所述一级特征向量和预设特征阈值,获得二级特征向量;

对所述二级特征向量进行标准化处理,获得标准化特征向量;

基于因子分解机模型和所述标准化特征向量,获得组合特征向量;

对多个所述用户的所述组合特征向量进行聚类处理,获得用户分类。

2.根据权利要求1所述的分类方法,其特征在于,所述预设特征维度包括业务使用量、业务使用时段、套餐消费和增值消费中的任意一种或多种。

3.根据权利要求1所述的分类方法,其特征在于,所述标准化处理包括独热编码处理和/或归一化处理。

4.根据权利要求3所述的分类方法,其特征在于,所述二级特征向量包括数值类二级特征向量和字符串类二级特征向量;

所述对所述二级特征向量进行标准化处理,获得标准化特征向量,包括:

对所述数值类二级特征向量进行归一化处理,获得与所述数值类二级特征向量对应的所述标准化特征向量;

对所述字符串类二级特征向量进行独热编码处理,获得与所述字符串类二级特征向量对应的所述标准化特征向量。

5.根据权利要求1所述的分类方法,其特征在于,所述基于因子分解机模型和所述标准化特征向量,获得组合特征向量,包括:

将所述标准化特征向量输入所述因子分解机模型,获得输出结果;其中,所述输出结果包括所述组合特征向量。

6.根据权利要求1所述的分类方法,其特征在于,所述对多个所述用户的所述组合特征向量进行聚类处理,获得用户分类,包括:

基于所述组合特征向量,构建组合特征矩阵;

基于预设的随机函数、预设聚类数和所述组合特征矩阵,构建初始隶属度矩阵;

基于所述初始隶属度矩阵和所述组合特征矩阵计算类中心矩阵;

基于所述类中心矩阵更新所述初始隶属度矩阵,获得更新的隶属度矩阵;

根据所述隶属度矩阵判断是否满足预设的停止条件;

在满足所述停止条件的情况下,根据当前隶属度矩阵获得所述用户分类;

在不满足所述停止条件的情况下,执行所述隶属度矩阵的迭代操作直至满足所述停止条件,并根据当前隶属度矩阵获得所述用户分类。

7.根据权利要求6所述的分类方法,其特征在于,所述执行所述隶属度矩阵的更新操作,包括:

根据所述隶属度矩阵和所述组合特征矩阵更新所述类中心矩阵;

基于更新的所述类中心矩阵更新所述隶属度矩阵。

8.根据权利要求6所述的分类方法,其特征在于,所述停止条件包括收敛精度小于或等于预设收敛阈值,或迭代次数达到预设的迭代阈值。

9.一种分类装置,其特征在于,包括:

第一获取模块,用于基于用户的通信消费数据和预设特征维度构建一级特征向量;

第二获取模块,用于依据所述一级特征向量和预设特征阈值,获得二级特征向量;

处理模块,用于对所述二级特征向量进行标准化处理,获得标准化特征向量;

第三获取模块,用于基于因子分解机模型和所述标准化特征向量,获得组合特征向量;

分类模块,用于对多个所述用户的所述组合特征向量进行聚类处理,获得用户分类。

10.根据权利要求9所述的分类装置,其特征在于,所述分类模块,包括:

第一构建单元,用于基于所述组合特征向量,构建组合特征矩阵;

第二构建单元,用于基于预设的随机函数、预设聚类数和所述组合特征矩阵,构建初始隶属度矩阵;

计算单元,用于基于所述初始隶属度矩阵和所述组合特征矩阵计算类中心矩阵;

更新单元,用于基于所述类中心矩阵更新所述初始隶属度矩阵,获得更新的隶属度矩阵;

判断单元,用于根据所述隶属度矩阵判断是否满足预设的停止条件;

分类单元,用于在满足所述停止条件的情况下,根据当前隶属度矩阵获得所述用户分类;

迭代单元,用于在不满足所述停止条件的情况下,执行所述隶属度矩阵的迭代操作直至满足所述停止条件,并根据当前隶属度矩阵获得所述用户分类。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国联合网络通信集团有限公司,未经中国联合网络通信集团有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011399123.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top