[发明专利]用户分类模型的生成方法及装置

说明书

本发明实施例提供了一种用户分类模型的生成方法及装置。该方法中，首先调用Hadoop平台工具对样本库中的数据进行异常以及标准化处理，接着再根据业务需求也即预设的分类原则，对处理后的数据进行优化迭代处理，得到满足业务需求的用户分类模型，并输出与分类原则相对应的用户分类结果。在将本发明实施例提供的方法应用于营销信息的推荐中时，可以根据不同的业务需求自动生成用户的分类结果，从而相应的营销平台能够依据于自动产生的分类结果有针对性的进行推送营销信息，使得用户接收到符合其身份特征或使用习惯的营销信息，避免用户因为接收到过多无用的营销信息而产生反感，提高营销的有效性。

技术领域

本发明实施例涉及计算机技术领域，具体涉及一种用户分类模型的生成方法及装置。

背景技术

营销活动推荐是一种常用的产品营销推广形式，触点渠道营销则是营销活动推荐的重要手段。随着业务发展，各触点渠道特别是移动设备触点开展的营销服务越来越丰富(移动设备触点，是指可通过接触等行为触发人机交互，以完成指令的移动设备/应用界面，如社交软件、移动APP等；触点营销，是指关于社媒营销高效实施的理论模式，主要通过触动点，借助触及线即互动传播媒介资源，使信息全方位覆盖到目标受众覆盖面)。

现有触点营销方案推荐模式大部分是以“业务需求找客户”为出发点，通过随机散播、信息轰炸等方式将营销信息传送至各触点渠道，然后由触点渠道各自重新开发营销推荐界面推送给客户，完成营销推荐目标。

然而，在实现本发明实施例的过程中发明人发现，现有的方式主要存在以下弊端：现有的营销推荐方法中，这种随机散播以及信息轰炸的方法属于盲目推荐方法，其没有具体的客户群体，很多客户群体与被推荐的营销信息关联不大，或者该客户群体并不适用于当前的营销信息，也即这样的方法并没有对客户群体进行有针对性的营销信息推荐，从而使得很多客户对于接收到的过多的营销信息产生反感情绪。

发明内容

本发明实施例提供了一种用户分类模型的生成方法及装置，用以克服采用现有的营销推荐方法中没有对客户群体进行针对性的营销信息推荐，使得客户产生反感情绪的缺陷。

第一方面，本发明实施例提供了一种用户分类模型的生成方法，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。

可选地，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。

可选地，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。

可选地，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。

可选地，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：