[发明专利]用户分类模型的生成方法及装置

权利要求书

1.一种用户分类模型的生成方法，其特征在于，包括：

调用Hadoop平台工具对样本库中的各条数据进行异常筛选以及标准化处理，得到处理后的用户数据；其中，所述样本库为调用上传至Hadoop平台上的若干条用户数据构建的样本库，所述用户数据包括用户的个人信息以及用户的通信行为数据；

基于预设的分类原则，对所述处理后的用户数据进行优化迭代处理，得到用户分类模型，并输出与所述预设的分类原则相对应的用户分类结果。

2.根据权利要求1所述的方法，其特征在于，所述调用Hadoop平台工具对样本库中的各条数据进行异常筛选以及标准化处理，包括：

调用Hadoop平台中的Hive工具筛选所述样本库中的各条数据中的异常值，检查各条数据的缺失情况，并删除携带异常值或数据缺失的数据条目；

基于Java语言对筛选之后的各条数据进行标准化处理。

3.根据权利要求1所述的方法，其特征在于，所述基于预设的分类原则，对所述处理后的用户数据进行优化迭代处理，得到用户分类模型，包括：

基于预设的分类原则，提取所述处理后的用户数据中与所述预设的分类原则相关的字段，并调用Mahout工具构建模型的宽表；

基于多层神经网络算法对所述宽表中的各级数据进行优化迭代处理，得到用户分类模型。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

接收上传至Hadoop平台上的若干条修正用户数据，不断更新所述样本库。

5.根据权利要求1所述的方法，其特征在于，所述输出与所述预设的分类原则相对应的用户分类结果，包括：

将所述用户分类结果输出至综合数据业务平台，所述用户分类结果用于指示所述综合数据业务平台根据用户的分类情况向对应分类的用户推荐对应的营销信息。

6.一种用户分类模型的生成装置，其特征在于，包括：

数据筛选单元，用于调用Hadoop平台工具对样本库中的各条数据进行异常筛选以及标准化处理，得到处理后的用户数据；其中，所述样本库为调用上传至Hadoop平台上的若干条用户数据构建的样本库，所述用户数据包括用户的个人信息以及用户的通信行为数据；

模型构建单元，用于基于预设的分类原则，对所述处理后的用户数据进行优化迭代处理，得到用户分类模型以及与所述预设的分类原则相对应的用户分类结果；

输出单元，用于输出所述用户分类结果。

7.根据权利要求6所述的装置，其特征在于，所述数据筛选单元，进一步用于：

调用Hadoop平台中的Hive工具筛选所述样本库中的各条数据中的异常值，检查各条数据的缺失情况，并删除携带异常值或数据缺失的数据条目；

基于Java语言对筛选之后的各条数据进行标准化处理。

8.根据权利要求6所述的装置，其特征在于，所述模型构建单元，进一步用于：

基于预设的分类原则，提取所述处理后的用户数据中与所述预设的分类原则相关的字段，并调用Mahout工具构建模型的宽表；

基于多层神经网络算法对所述宽表中的各级数据进行优化迭代处理，得到用户分类模型。

9.根据权利要求6所述的装置，其特征在于，所述装置还包括接收单元，用于接收上传至Hadoop平台上的若干条修正用户数据，并不断更新所述样本库。

10.根据权利要求6所述的装置，其特征在于，所述输出单元，进一步用于：

将所述用户分类结果输出至综合数据业务平台，所述用户分类结果用于指示所述综合数据业务平台根据用户的分类情况向对应分类的用户推荐对应的营销信息。