[发明专利]针对快递员周边人群营销中快递员数据的识别方法

摘要

本发明公开一种针对快递员周边人群营销中快递员数据的识别方法，其首先从经分数据仓库和流量数据仓库中获取快递员用户基本信息、通信信息和位置信息，并关联形成事实宽表；对事实宽表中的多个样本数据进行正负样本分类，然后以相同正负样本比例将事实宽表中数据分为训练集、验证集；再对训练集正、负样本数据进行预处理，进而利用DTRA算法，生成快递员用户特征规则集，并依据特征规则验证验证集中的正、负样本用户；再利用DTRA算法生成潜在快递员数据；最后进行模型效果评估。本发明通过利用机器学习替代传统人工经验挖掘，提高数据挖掘的准确度，并基于分布式大数据处理平台，实现从传统数据库(Oracle)的抽样挖掘到全量数据挖掘，提升数据挖掘性能。

主权项

针对快递员周边人群营销中快递员数据的识别方法，其特征是，包括以下步骤：1)从经分数据仓库中获取疑似快递员用户基本信息和通信信息；从流量数据仓库中获取疑似快递员用户位置信息，并关联形成一张包含多个疑似快递员用户信息的事实宽表；从经分数据仓库中获取的用户基本信息包括用户编码、年龄、地市、区县、时段、品牌、套餐、手机号码和对端手机号码信息，通信信息包括通话次数和短信次数信息；从流量数据仓库中获取的位置信息包括LAC和CELL轨迹数据信息；2)将事实宽表中多个疑似快递员信息数据随机分为两部分：一部分为训练集，一部分为验证集；3)训练集中的样本数据按正、负样本比例1:2输入，所述正样本数据为已确定为快递员的用户，负样本数据为已确定非快递员的用户；4)对训练集正、负样本数据进行预处理，清除其中的异常值、错值、空值；5)以训练集中正、负样本数据对应的快递员用户特征为基础数据，利用分类算法中的决策树推理算法，生成快递员用户特征规则集，并找到判定是否为快递员的因素组合；6)根据判定是否为快递员的影响因素确定验证集中的正、负样本用户；7)利用决策树推理算法，结合步骤5)中得到的因素组合，生成验证集中的潜在快递员数据标识；8)模型效果评估：对原验证集中正负样本数据和步骤6)得到的验证集中正负样本数据，利用混淆矩阵方法公式：真正率＝步骤6)验证结果中的正样本数目/原验证集中正样本的数目；真负率＝步骤6)验证结果中的负样本数目/原验证集中负样本的数目；评估真正率与真负率整体准确度是否达到要求：如准确度达到设定百分比则对步骤7)生成的潜在快递员数据标识进行输出；如准确度不能达到要求，则调整步骤5)中得到的因素组合中各因素相对应的参数值，然后重复步骤6)至步骤8)，直至模型准确度达到要求。