CN115859157A - 客户分类方法及装置 - Google Patents
客户分类方法及装置 Download PDFInfo
- Publication number
- CN115859157A CN115859157A CN202211705811.2A CN202211705811A CN115859157A CN 115859157 A CN115859157 A CN 115859157A CN 202211705811 A CN202211705811 A CN 202211705811A CN 115859157 A CN115859157 A CN 115859157A
- Authority
- CN
- China
- Prior art keywords
- customer
- customer information
- information data
- client
- clustering center
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供一种客户分类方法及装置,涉及人工智能技术领域,可应用于金融技术领域或其他技术领域。该客户分类方法包括:获取客户信息数据,根据客户信息数据到各客户聚类中心的距离将进行客户分类以生成对应的客户群;根据各客户群中的客户信息数据剔除异常客户信息,根据剔除后的客户信息数据重新确定客户聚类中心后进行对应迭代计算;当客户聚类中心收敛时,根据对应的客户群对客户进行分类。本发明可以有效提高客户分类的准确性,为客户提供高效的个性化服务,提升客户体验。
Description
技术领域
本发明涉及人工智能技术领域,具体地,涉及一种客户分类方法及装置。
背景技术
现有的客户分类方式是将数据源清理、变化、集成后装入数据库中,之后通过查询与分析方法进行数据的择出。但这种方法在数值分布分散时的结果不准确,效率也不高,无法为客户提供差异化服务。
发明内容
本发明实施例的主要目的在于提供一种客户分类方法,以有效提高客户分类的准确性,为客户提供高效的个性化服务,提升客户体验。
为了实现上述目的,本发明实施例提供一种客户分类方法,包括:
获取客户信息数据,根据客户信息数据到各客户聚类中心的距离将进行客户分类以生成对应的客户群;
根据各客户群中的客户信息数据剔除异常客户信息,根据剔除后的客户信息数据重新确定客户聚类中心后进行对应迭代计算;
当客户聚类中心收敛时,根据对应的客户群对客户进行分类。
在其中一种实施例中,根据各客户群中的客户信息数据剔除异常客户信息包括:
根据各客户群中的客户信息数据确定客户信息误差和客户信息标准偏差;
根据客户信息误差和所述客户信息标准偏差剔除异常客户信息。
在其中一种实施例中,根据各客户群中的客户信息数据确定客户信息误差和客户信息标准偏差包括:
根据各客户群中的客户信息数据确定客户信息误差;
根据客户信息误差确定客户信息标准偏差。
在其中一种实施例中,根据客户信息误差和客户信息标准偏差剔除异常客户信息包括:
根据客户信息标准偏差确定异常阈值;
根据客户信息误差和异常阈值的比较结果剔除异常客户信息。
在其中一种实施例中,还包括:
获取客户聚类中心数据;
根据客户信息数据和客户聚类中心数据确定客户信息数据到各客户聚类中心的距离。
在其中一种实施例中,根据客户信息数据到各客户聚类中心的距离将进行客户分类以生成对应的客户群包括:
确定客户信息数据到各客户聚类中心的距离的最小值对应的客户聚类中心为目标客户聚类中心;
将客户信息数据分类至对应的目标客户聚类中心以生成对应的客户群。
本发明实施例还提供一种客户分类装置,包括:
客户群模块,用于获取客户信息数据,根据客户信息数据到各客户聚类中心的距离将进行客户分类以生成对应的客户群;
迭代计算模块,用于根据各客户群中的客户信息数据剔除异常客户信息,根据剔除后的客户信息数据重新确定客户聚类中心后进行对应迭代计算;
客户分类模块,用于当客户聚类中心收敛时,根据对应的客户群对客户进行分类。
在其中一种实施例中,迭代计算模块包括:
误差偏差单元,用于根据各客户群中的客户信息数据确定客户信息误差和客户信息标准偏差;
异常客户信息剔除单元,用于根据客户信息误差和客户信息标准偏差剔除异常客户信息。
在其中一种实施例中,误差偏差单元包括:
客户信息误差子单元,用于根据各客户群中的客户信息数据确定客户信息误差;
客户信息标准偏差子单元,用于根据客户信息误差确定客户信息标准偏差。
在其中一种实施例中,异常客户信息剔除单元包括:
异常阈值子单元,用于根据客户信息标准偏差确定异常阈值;
异常客户信息剔除子单元,用于根据客户信息误差和异常阈值的比较结果剔除异常客户信息。
在其中一种实施例中,还包括:
聚类中心获取模块,用于获取客户聚类中心数据;
距离确定模块,用于根据客户信息数据和客户聚类中心数据确定客户信息数据到各客户聚类中心的距离。
在其中一种实施例中,客户群模块包括:
聚类中心确定单元,用于确定客户信息数据到各客户聚类中心的距离的最小值对应的客户聚类中心为目标客户聚类中心;
客户群单元,用于将客户信息数据分类至对应的目标客户聚类中心以生成对应的客户群。
本发明实施例还提供一种电子设备,包括存储器、处理器及存储在存储器上并在处理器上运行的计算机程序,处理器执行计算机程序时实现所述的客户分类方法的步骤。
本发明实施例还提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现所述的客户分类方法的步骤。
本发明实施例还提供一种计算机程序产品,包括计算机程序/指令,计算机程序/指令被处理器执行时实现所述的客户分类方法的步骤。
本发明实施例的客户分类方法及装置先根据客户信息数据到各客户聚类中心的距离将进行客户分类以生成对应的客户群,剔除异常客户信息后重新确定客户聚类中心并进行对应迭代计算,在客户聚类中心收敛时根据对应的客户群对客户进行分类,可以有效提高客户分类的准确性,为客户提供高效的个性化服务,提升客户体验。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例中客户分类方法的流程图;
图2是本发明实施例中剔除异常客户信息的流程图;
图3是本发明实施例中S201的流程图;
图4是本发明实施例中S202的流程图;
图5是本发明实施例中客户分类装置的结构框图;
图6为本申请实施例的电子设备9600的***构成的示意框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本领域技术人员知道,本发明的实施方式可以实现为一种***、装置、设备、方法或计算机程序产品。因此,本公开可以具体实现为以下形式,即:完全的硬件、完全的软件(包括固件、驻留软件、微代码等),或者硬件和软件结合的形式。
本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
鉴于现有技术在数值分布分散时的结果不准确,效率也不高,无法为客户提供差异化服务,本发明实施例提供一种客户分类方法,可以有效提高客户分类的准确性,为客户提供高效的个性化服务,提升客户体验。以下结合附图对本发明进行详细说明。
图1是本发明实施例中客户分类方法的流程图。如图1所示,客户分类方法包括:
S101:获取客户信息数据,根据客户信息数据到各客户聚类中心的距离将进行客户分类以生成对应的客户群。
在执行S101之前,还包括:
获取客户聚类中心数据,根据客户信息数据和客户聚类中心数据确定客户信息数据到各客户聚类中心的距离。
例如,现有的客户信息数据样本X={X1,X2,X3...,Xn};n表示客户信息数据样本中现有客户总数;m表示客户具有的属性数,例如客户学历、月收入和现有产品等;Xi表示第i个客户,1<i≤n;Cj表示第j个聚类中心,{C1,C2,C3...,Ck},1≤j≤k,1<k≤n;Xit表示第i个客户的第t个属性;Cjt表示第j个客户聚类中心的第t个属性,1≤t≤m。通过计算得到客户信息数据到各客户聚类中心的距离:
其中,disij为第i个客户到第j个客户聚类中心之间的距离。
一实施例中,S101包括:
确定客户信息数据到各客户聚类中心的距离的最小值对应的客户聚类中心为目标客户聚类中心;将客户信息数据分类至对应的目标客户聚类中心以生成对应的客户群。
具体实施时,依次比较每个客户X到每个聚类中心的距离,把客户X分配到距离最小的聚类中心的聚类中,得到了k个客户群{S1,S2,S3...Sl...Sk}。
S102:根据各客户群中的客户信息数据剔除异常客户信息,根据剔除后的客户信息数据重新确定客户聚类中心后进行对应迭代计算。
具体实施时,可以通过如下公式重新确定客户聚类中心:
其中,Cl为第l个重新确定的客户聚类中心,Xl′u为剔除后的第l个客户群的第u
个客户的客户信息数据,|Sl|′为剔除后的第l个客户群中的客户数量。
图2是本发明实施例中剔除异常客户信息的流程图。如图2所示,根据各客户群中的客户信息数据剔除异常客户信息包括:
S201:根据各客户群中的客户信息数据确定客户信息误差和客户信息标准偏差。
图3是本发明实施例中S201的流程图。如图3所示,S201包括:
S301:根据各客户群中的客户信息数据确定客户信息误差。
具体实施时,可以通过如下公式确定客户信息误差:
其中,Vlu为第l个客户群的第u个客户的客户信息误差,Xlu为第l个客户群的第u个客户的客户信息数据,|Sl|为第l个客户群中的客户数量。
S302:根据客户信息误差确定客户信息标准偏差。
具体实施时,可以通过如下公式确定客户信息标准偏差:
其中,Rlu为第l个客户群的第u个客户的客户信息标准偏差。
S202:根据客户信息误差和客户信息标准偏差剔除异常客户信息。
图4是本发明实施例中S202的流程图。如图2所示,S202包括:
S401:根据客户信息标准偏差确定异常阈值。
其中,异常阈值可以为客户信息标准偏差的3倍。
S402:根据客户信息误差和异常阈值的比较结果剔除异常客户信息。
具体实施时,当客户信息误差大于或等于异常阈值时,确定该当客户信息误差对应的客户信息为异常客户信息并进行剔除,不再作为下一聚类中心的计算参数,可以使计算结果不受异常值的影响,减少迭代次数,提高聚类效率,简化复杂度。
S103:当客户聚类中心收敛时,根据对应的客户群对客户进行分类。
重复S101和S102,直至聚类中心趋于稳定,函数收敛,输出最终的客户群{S1,S2,S3...Sl...Sk}以对客户进行分类。
图1所示的客户分类方法的执行主体可以为计算机。由图1所示的流程可知,本发明实施例的客户分类方法先根据客户信息数据到各客户聚类中心的距离将进行客户分类以生成对应的客户群,剔除异常客户信息后重新确定客户聚类中心并进行对应迭代计算,在客户聚类中心收敛时根据对应的客户群对客户进行分类,可以有效提高客户分类的准确性,为客户提供高效的个性化服务,提升客户体验。
本发明实施例的具体流程如下:
1、获取客户聚类中心数据,根据客户信息数据和客户聚类中心数据确定客户信息数据到各客户聚类中心的距离。
2、获取客户信息数据,确定客户信息数据到各客户聚类中心的距离的最小值对应的客户聚类中心为目标客户聚类中心。
3、将客户信息数据分类至对应的目标客户聚类中心以生成对应的客户群。
4、根据各客户群中的客户信息数据确定客户信息误差,根据客户信息误差确定客户信息标准偏差。
5、根据客户信息标准偏差确定异常阈值,根据客户信息误差和异常阈值的比较结果剔除异常客户信息。
6、根据剔除后的客户信息数据重新确定客户聚类中心后进行对应迭代计算,返回步骤4,直至客户聚类中心收敛。
7、当客户聚类中心收敛时,根据对应的客户群对客户进行分类。
综上所述,本发明实施例提供的客户分类方法具有以下有益效果:
1、现有技术易受到异常值的影响,使结果局部最小而非全局最优,本发明对数据误差进行分析并剔除异常值,有效地提升分类准确率。
2、现有技术受到异常值的影响,时间复杂度较高,本发明剔除异常值可以减少因异常值的干扰导致反复重复计算,提升分类效率,降低时间复杂度。
3、在使用现有技术进行客户信息分析时,客户群体中往往存在特殊值,导致分类结果具有不确定性。本发明使分类结果不易使结果偏离实际数据中心,能够更准确的细分客户群组,具有高效性和可行性,可以对不同需求的客户群体区别对待,提供针对***,将资源和时间利润最大化。
基于同一发明构思,本发明实施例还提供了一种客户分类装置,由于该装置解决问题的原理与客户分类方法相似,因此该装置的实施可以参见方法的实施,重复之处不再赘述。
图5是本发明实施例中客户分类装置的结构框图。如图5所示,客户分类装置包括:
客户群模块,用于获取客户信息数据,根据客户信息数据到各客户聚类中心的距离将进行客户分类以生成对应的客户群;
迭代计算模块,用于根据各客户群中的客户信息数据剔除异常客户信息,根据剔除后的客户信息数据重新确定客户聚类中心后进行对应迭代计算;
客户分类模块,用于当客户聚类中心收敛时,根据对应的客户群对客户进行分类。
在其中一种实施例中,迭代计算模块包括:
误差偏差单元,用于根据各客户群中的客户信息数据确定客户信息误差和客户信息标准偏差;
异常客户信息剔除单元,用于根据客户信息误差和客户信息标准偏差剔除异常客户信息。
在其中一种实施例中,误差偏差单元包括:
客户信息误差子单元,用于根据各客户群中的客户信息数据确定客户信息误差;
客户信息标准偏差子单元,用于根据客户信息误差确定客户信息标准偏差。
在其中一种实施例中,异常客户信息剔除单元包括:
异常阈值子单元,用于根据客户信息标准偏差确定异常阈值;
异常客户信息剔除子单元,用于根据客户信息误差和异常阈值的比较结果剔除异常客户信息。
在其中一种实施例中,还包括:
聚类中心获取模块,用于获取客户聚类中心数据;
距离确定模块,用于根据客户信息数据和客户聚类中心数据确定客户信息数据到各客户聚类中心的距离。
在其中一种实施例中,客户群模块包括:
聚类中心确定单元,用于确定客户信息数据到各客户聚类中心的距离的最小值对应的客户聚类中心为目标客户聚类中心;
客户群单元,用于将客户信息数据分类至对应的目标客户聚类中心以生成对应的客户群。
综上,本发明实施例的客户分类装置先根据客户信息数据到各客户聚类中心的距离将进行客户分类以生成对应的客户群,剔除异常客户信息后重新确定客户聚类中心并进行对应迭代计算,在客户聚类中心收敛时根据对应的客户群对客户进行分类,可以有效提高客户分类的准确性,为客户提供高效的个性化服务,提升客户体验。
图6为本申请实施例的电子设备9600的***构成的示意框图。如图6所示,该电子设备9600可以包括中央处理器9100和存储器9140;存储器9140耦合到中央处理器9100。值得注意的是,该图6是示例性的;还可以使用其他类型的结构,来补充或代替该结构,以实现电信功能或其他功能。
一实施例中,客户分类方法功能可以被集成到中央处理器9100中。其中,中央处理器9100可以被配置为进行如下控制:
获取客户信息数据,根据客户信息数据到各客户聚类中心的距离将进行客户分类以生成对应的客户群;
根据各客户群中的客户信息数据剔除异常客户信息,根据剔除后的客户信息数据重新确定客户聚类中心后进行对应迭代计算;
当客户聚类中心收敛时,根据对应的客户群对客户进行分类。
从上述描述可知,本申请提供的客户分类方法先根据客户信息数据到各客户聚类中心的距离将进行客户分类以生成对应的客户群,剔除异常客户信息后重新确定客户聚类中心并进行对应迭代计算,在客户聚类中心收敛时根据对应的客户群对客户进行分类,可以有效提高客户分类的准确性,为客户提供高效的个性化服务,提升客户体验。
在另一个实施方式中,客户分类装置可以与中央处理器9100分开配置,例如可以将客户分类装置配置为与中央处理器9100连接的芯片,通过中央处理器的控制来实现客户分类方法的功能。
如图6所示,该电子设备9600还可以包括:通信模块9110、输入单元9120、音频处理器9130、显示器9160、电源9170。值得注意的是,电子设备9600也并不是必须要包括图6中所示的所有部件;此外,电子设备9600还可以包括图6中没有示出的部件,可以参考现有技术。
如图6所示,中央处理器9100有时也称为控制器或操作控件,可以包括微处理器或其他处理器装置和/或逻辑装置,该中央处理器9100接收输入并控制电子设备9600的各个部件的操作。
其中,存储器9140,例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。可储存上述与失败有关的信息,此外还可存储执行有关信息的程序。并且中央处理器9100可执行该存储器9140存储的该程序,以实现信息存储或处理等。
输入单元9120向中央处理器9100提供输入。该输入单元9120例如为按键或触摸输入装置。电源9170用于向电子设备9600提供电力。显示器9160用于进行图像和文字等显示对象的显示。该显示器例如可为LCD显示器,但并不限于此。
该存储器9140可以是固态存储器,例如,只读存储器(ROM)、随机存取存储器(RAM)、SIM卡等。还可以是这样的存储器,其即使在断电时也保存信息,可被选择性地擦除且设有更多数据,该存储器的示例有时被称为EPROM等。存储器9140还可以是某种其它类型的装置。存储器9140包括缓冲存储器9141(有时被称为缓冲器)。存储器9140可以包括应用/功能存储部9142,该应用/功能存储部9142用于存储应用程序和功能程序或用于通过中央处理器9100执行电子设备9600的操作的流程。
存储器9140还可以包括数据存储部9143,该数据存储部9143用于存储数据,例如联系人、数字数据、图片、声音和/或任何其他由电子设备使用的数据。存储器9140的驱动程序存储部9144可以包括电子设备的用于通信功能和/或用于执行电子设备的其他功能(如消息传送应用、通讯录应用等)的各种驱动程序。
通信模块9110即为经由天线9111发送和接收信号的发送机/接收机9110。通信模块(发送机/接收机)9110耦合到中央处理器9100,以提供输入信号和接收输出信号,这可以和常规移动通信终端的情况相同。
基于不同的通信技术,在同一电子设备中,可以设置有多个通信模块9110,如蜂窝网络模块、蓝牙模块和/或无线局域网模块等。通信模块(发送机/接收机)9110还经由音频处理器9130耦合到扬声器9131和麦克风9132,以经由扬声器9131提供音频输出,并接收来自麦克风9132的音频输入,从而实现通常的电信功能。音频处理器9130可以包括任何合适的缓冲器、解码器、放大器等。另外,音频处理器9130还耦合到中央处理器9100,从而使得可以通过麦克风9132能够在本机上录音,且使得可以通过扬声器9131来播放本机上存储的声音。
本发明实施例还提供能够实现上述实施例中的执行主体为服务器或客户端的客户分类方法中全部步骤的一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述实施例中的客户分类方法的全部步骤,例如,所述处理器执行所述计算机程序时实现下述步骤:
获取客户信息数据,根据客户信息数据到各客户聚类中心的距离将进行客户分类以生成对应的客户群;
根据各客户群中的客户信息数据剔除异常客户信息,根据剔除后的客户信息数据重新确定客户聚类中心后进行对应迭代计算;
当客户聚类中心收敛时,根据对应的客户群对客户进行分类。
综上,本发明实施例的计算机可读存储介质先根据客户信息数据到各客户聚类中心的距离将进行客户分类以生成对应的客户群,剔除异常客户信息后重新确定客户聚类中心并进行对应迭代计算,在客户聚类中心收敛时根据对应的客户群对客户进行分类,可以有效提高客户分类的准确性,为客户提供高效的个性化服务,提升客户体验。
本发明实施例还提供能够实现上述实施例中的执行主体为服务器或客户端的客户分类方法中全部步骤的一种计算机程序产品,所述计算机程序产品包括计算机程序/指令,该计算机程序/指令被处理器执行时实现上述实施例中的客户分类方法的全部步骤,例如,所述处理器执行所述计算机程序时实现下述步骤:
获取客户信息数据,根据客户信息数据到各客户聚类中心的距离将进行客户分类以生成对应的客户群;
根据各客户群中的客户信息数据剔除异常客户信息,根据剔除后的客户信息数据重新确定客户聚类中心后进行对应迭代计算;
当客户聚类中心收敛时,根据对应的客户群对客户进行分类。
综上,本发明实施例的计算机程序产品先根据客户信息数据到各客户聚类中心的距离将进行客户分类以生成对应的客户群,剔除异常客户信息后重新确定客户聚类中心并进行对应迭代计算,在客户聚类中心收敛时根据对应的客户群对客户进行分类,可以有效提高客户分类的准确性,为客户提供高效的个性化服务,提升客户体验。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于硬件+程序类实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
虽然本申请提供了如实施例或流程图所述的方法操作步骤,但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式,不代表唯一的执行顺序。在实际中的装置或客户端产品执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。
虽然本说明书实施例提供了如实施例或流程图所述的方法操作步骤,但基于常规或者无创造性的手段可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式,不代表唯一的执行顺序。在实际中的装置或终端产品执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境,甚至为分布式数据处理环境)。术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、产品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、产品或者设备所固有的要素。在没有更多限制的情况下,并不排除在包括所述要素的过程、方法、产品或者设备中还存在另外的相同或等同要素。
为了描述的方便,描述以上装置时以功能分为各种模块分别描述。当然,在实施本说明书实施例时可以把各模块的功能在同一个或多个软件和/或硬件中实现,也可以将实现同一功能的模块由多个子模块或子单元的组合实现等。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内部包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
本领域技术人员应明白,本说明书的实施例可提供为方法、***或计算机程序产品。因此,本说明书实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本说明书实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书中的各实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书实施例,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于***实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本说明书实施例的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
以上所述仅为本说明书实施例的实施例而已,并不用于限制本说明书实施例。对于本领域技术人员来说,本说明书实施例可以有各种更改和变化。凡在本说明书实施例的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本说明书实施例的权利要求范围之内。
Claims (10)
1.一种客户分类方法,其特征在于,包括:
获取客户信息数据,根据客户信息数据到各客户聚类中心的距离将进行客户分类以生成对应的客户群;
根据各客户群中的客户信息数据剔除异常客户信息,根据剔除后的客户信息数据重新确定客户聚类中心后进行对应迭代计算;
当所述客户聚类中心收敛时,根据对应的客户群对客户进行分类。
2.根据权利要求1所述的客户分类方法,其特征在于,根据各客户群中的客户信息数据剔除异常客户信息包括:
根据各客户群中的客户信息数据确定客户信息误差和客户信息标准偏差;
根据所述客户信息误差和所述客户信息标准偏差剔除所述异常客户信息。
3.根据权利要求2所述的客户分类方法,其特征在于,根据各客户群中的客户信息数据确定客户信息误差和客户信息标准偏差包括:
根据各客户群中的客户信息数据确定所述客户信息误差;
根据所述客户信息误差确定所述客户信息标准偏差。
4.根据权利要求2所述的客户分类方法,其特征在于,根据所述客户信息误差和所述客户信息标准偏差剔除所述异常客户信息包括:
根据所述客户信息标准偏差确定异常阈值;
根据所述客户信息误差和所述异常阈值的比较结果剔除所述异常客户信息。
5.根据权利要求1所述的客户分类方法,其特征在于,还包括:
获取客户聚类中心数据;
根据所述客户信息数据和所述客户聚类中心数据确定客户信息数据到各客户聚类中心的距离。
6.根据权利要求1所述的客户分类方法,其特征在于,根据客户信息数据到各客户聚类中心的距离将进行客户分类以生成对应的客户群包括:
确定客户信息数据到各客户聚类中心的距离的最小值对应的客户聚类中心为目标客户聚类中心;
将客户信息数据分类至对应的目标客户聚类中心以生成对应的客户群。
7.一种客户分类装置,其特征在于,包括:
客户群模块,用于获取客户信息数据,根据客户信息数据到各客户聚类中心的距离将进行客户分类以生成对应的客户群;
迭代计算模块,用于根据各客户群中的客户信息数据剔除异常客户信息,根据剔除后的客户信息数据重新确定客户聚类中心后进行对应迭代计算;
客户分类模块,用于当所述客户聚类中心收敛时,根据对应的客户群对客户进行分类。
8.一种电子设备,包括存储器、处理器及存储在存储器上并在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6任一项所述的客户分类方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6任一项所述的客户分类方法的步骤。
10.一种计算机程序产品,包括计算机程序/指令,其特征在于,所述计算机程序/指令被处理器执行时实现权利要求1至6任一项所述的客户分类方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211705811.2A CN115859157A (zh) | 2022-12-29 | 2022-12-29 | 客户分类方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211705811.2A CN115859157A (zh) | 2022-12-29 | 2022-12-29 | 客户分类方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115859157A true CN115859157A (zh) | 2023-03-28 |
Family
ID=85655819
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211705811.2A Pending CN115859157A (zh) | 2022-12-29 | 2022-12-29 | 客户分类方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115859157A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118071178A (zh) * | 2024-04-18 | 2024-05-24 | 浙江正泰智维能源服务有限公司 | 一种用于评估电站异常状态的方法、装置、电子设备及存储介质 |
-
2022
- 2022-12-29 CN CN202211705811.2A patent/CN115859157A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118071178A (zh) * | 2024-04-18 | 2024-05-24 | 浙江正泰智维能源服务有限公司 | 一种用于评估电站异常状态的方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109862013B (zh) | 一种直播间推荐方法、存储介质、电子设备及*** | |
CN107451854B (zh) | 确定用户类型的方法及装置、电子设备 | |
CN111783873B (zh) | 基于增量朴素贝叶斯模型的用户画像方法及装置 | |
CN112887371B (zh) | 边缘计算方法、装置、计算机设备及存储介质 | |
CN111160793A (zh) | 一种服务网点自助设备数量的配置方法、装置及设备 | |
US20220129937A1 (en) | Systems and methods for assessing, correlating, and utilizing online browsing and sales data | |
CN115859157A (zh) | 客户分类方法及装置 | |
US11983866B2 (en) | Image defect detection method, electronic device using the same | |
CN116821647B (zh) | 基于样本偏离评估的数据标注的优化方法、装置及设备 | |
CN111177562B (zh) | 一种目标对象的推荐排序处理方法、装置及服务器 | |
CN117436909A (zh) | 待优化环节确定方法及装置 | |
CN113761365B (zh) | 用于确定目标信息的数据处理*** | |
CN107544248B (zh) | 一种移动机器人中的任务优化方法及设备 | |
US20220207892A1 (en) | Method and device for classifing densities of cells, electronic device using method, and storage medium | |
CN115545943A (zh) | 一种图谱的处理方法、装置及设备 | |
CN112631850B (zh) | 故障场景的模拟方法及装置 | |
CN115965456A (zh) | 数据变动分析方法及装置 | |
CN113284027B (zh) | 团伙识别模型的训练方法、异常团伙识别方法及装置 | |
US20210383469A1 (en) | Currency trading method based on blockchain and electronic device | |
CN114676272A (zh) | 多媒体资源的信息处理方法、装置、设备及存储介质 | |
CN113988670A (zh) | 综合性企业信用风险预警方法及*** | |
CN109218411B (zh) | 数据处理方法及装置、计算机可读存储介质、电子设备 | |
US20220215247A1 (en) | Method and device for processing multiple modes of data, electronic device using method, and non-transitory storage medium | |
CN111930620B (zh) | 应用运行环境数据处理方法及装置 | |
US20210334751A1 (en) | Shipment prediction method and device |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |