[发明专利]一种基于事件驱动的客户关系配对方法

说明书

本发明涉及一种基于事件驱动的客户关系配对方法，建立包括定值和不定值信息的客户信息库，产生事件时生成中心客户集合，以客户信息库中客户的定值信息匹配中心客户的定值信息，当契合度系数超过阈值时进一步匹配两者的不定值信息，将比对后与中心客户最契合的人员提取出来作为配对对象，并在陪同事件结束后对两者之间的契合度做人工评价，作为下一次契合度计算和人员挑选的参考依据。本发明通过数据挖掘技术建立客户的定值和不定值信息与其它人员间的关系网络，构建契合度系数ρ，计算客户间定值信息和不定值信息的契合度判断客户间的相熟或互补关系，根据客户的实际喜好选择相熟或互补的目标人选，最终达成基于事件驱动的客户关系配对。

技术领域

本发明涉及数字信息的传输，例如电报通信的技术领域，特别涉及一种能在一个事件发生时，为了交流畅通而通过数据挖掘技术找出目标人事物与其它人员的关系图以满足建立其畅通交流的基于事件驱动的客户关系配对方法。

背景技术

客户关系网是一种典型的复杂网络，即指在一定范围内客户间的关系，网络中的节点是客户，连接则是按一定方式定义的两人之间的熟人关系，如朋友关系、亲属关系、同事关系或科研合作关系等。

1967年，Harvard大学的社会心理学家Milgram通过一个传递信件的小世界实验对现实社会网络进行了实证研究，得到著名的“六度分离”推断：世界上任何两个人，都可通过熟人找熟人的方式建立联系，而两人之间的平均最少“中介”数是6。1998年，Cornell大学的Watts和Strogatz在《Nature》上撰文“‘小世界’网络的集体动力学”，进一步揭示出现实中的复杂网络具有高聚类性和相对短的平均路径长度，并建立了一个小世界网络模型。1999年，Notre Dame大学的Barabási和Albert在《Science》上撰文“随机网络中标度的涌现”，揭示了复杂网络的无标度（Scale-Free）性质，并建立了一个无标度网络模型。

以这两个模型的发表为标志，复杂网络研究进入了一个新时代。复杂网络理论研究再也不局限于数学的范畴，而是开始受到了从物理学到生物学、从工程技术到管理和社会科学的众多学科研究人员的越来越多的关注，可以说，在网络科学领域，现代的复杂网络研究是传统的社会网络分析的进一步延伸。近十年来，复杂网络的研究蓬勃发展，理论和实证方面都取得了很大的进展。将现代的复杂网络理论与传统的社会网络分析结合起来，是一个必然的趋势。人们通过实证研究揭示了人类社区中存在的一些新奇的网络特性，建立了各种有意义的网络模型，研究了不同的网络动力学行为及其控制策略。

以前对于现实社会网络的数据收集主要通过调查问卷的方法，这种方法不仅误差大，数据规模小，而且在很大程度上受地域、隐私、主观因素和可信度等限制。现代数据库和信息技术的出现极大地改变了这种局面，近些年来，随着互联网的快速发展，特别是Web2.0的迅速兴起使得各种在线社会网络如雨后春笋般涌现，如在线交友网、在线个人社区和在线社会媒体等。这些网络的用户数少则几万，多则几千万甚至上亿，从而产生了规模越来越庞大的网络数据。依据这些数据，根据数据挖掘的知识得到触发事件对应客户的相关属性，及未知的客户关系和模式，客户关系网既在一定程度上反映真实的人际关系，又与传统的人际交往有所区别，存在一定程度上的不完整性，无法完全依据实际的事件来择出最优人选或方案。

发明内容

本发明解决的技术问题是，现有技术中，网络的用户数少则几万，多则几千万甚至上亿，从而产生了规模越来越庞大的网络数据，依据这些数据，根据数据挖掘的知识得到触发事件对应客户的相关属性，及未知的客户关系和模式，而导致的客户关系网既在一定程度上反映真实的人际关系，又与传统的人际交往有所区别，存在一定程度上的不完整性，无法完全依据实际的事件来择出最优人选或方案的问题，进而提供了一种优化的基于事件驱动的客户关系配对方法。

本发明所采用的技术方案是，一种基于事件驱动的客户关系配对方法，所述方法包括以下步骤：