[发明专利]基于聚类分析的用户价值分类方法和装置

权利要求书

1.一种基于聚类分析的用户价值分类方法，其特征在于，包括：

根据用户在每个指标特征下的指标值，确定每个用户的原始特征向量；

对所述每个用户的原始特征向量进行因子分析，将因子得分满足设定规则的公共因子作为因子变量；基于每个用户在所述因子变量下的取值，确定每个用户的综合特征向量；

对所述每个用户的综合特征向量进行聚类分析，确定每个用户的分类。

2.如权利要求1所述的用户价值分类方法，其特征在于，

按照因子得分从高到低的顺序排列所述公共因子，得到公共因子序列；

将所述公共因子序列中前n个公共因子作为因子变量；其中，1≤n＜k，k为公共因子的个数，n、k为整数。

3.如权利要求1所述的用户价值分类方法，其特征在于，对所述每个用户的原始特征向量进行因子分析之前，进一步包括：

通过数据清洗，识别所述指标值是否为异常值，并且，

若所述指标值是异常值，剔除所述指标值。

4.如权利要求3所述的用户价值分类方法，其特征在于，通过箱形图进行数据清洗。

5.如权利要求1所述的用户价值分类方法，其特征在于，对所述每个用户的原始特征向量进行因子分析之前，进一步包括：

判断所述指标特征是否为负向指标，并且，

若所述指标特征是负向指标，对所述负向指标下的所述指标值进行正向化处理。

6.如权利要求5所述的用户价值分类方法，其特征在于，按照如下方法对所述负向指标下的所述指标值进行正向化处理：

获取所述负向指标下的最大指标值；

以所述最大指标值与所述指标值的差值，作为正向化处理之后的所述负向指标下的指标值。

7.如权利要求1所述的用户价值分类方法，其特征在于，对所述每个用户的原始特征向量进行因子分析之前，进一步包括：

对所述指标值进行标准化处理。

8.如权利要求7所述的用户价值分类方法，其特征在于，按照如下方法对所述指标值进行标准化处理：

获取一指标特征的最大值和最小值；

以所述指标值与所述最小值的差值和所述最大值与所述最小值的差值的比值，作为标准化处理之后的该特征指标下的指标值。

9.如权利要求1所述的用户价值分类方法，其特征在于，采用肘部法则确定聚类的中心点个数。

10.如权利要求1所述的用户价值分类方法，其特征在于，对所述每个用户的综合特征向量进行聚类分析，包括：

选择每个聚类的中心点的中心值；

通过迭代更新每个中心点的中心值，在每次迭代过程中：基于每个用户的所述综合特征向量与每个中心点的中心值确定每个用户与每个所述中心点的距离，将每个用户归入与其距离最短的所述中心点所在的类；更新每个中心点的中心值；

若更新前后每个所述中心点的中心值保持不变，则迭代结束。

11.一种基于聚类分析的用户价值分类装置，其特征在于，包括：

采集模块，用于根据用户在每个指标特征下的指标值，确定每个用户的原始特征向量；

分析模块，用于对所述每个用户的原始特征向量进行因子分析，将因子得分满足设定规则的公共因子作为因子变量；基于每个用户在所述因子变量下的取值，确定每个用户的综合特征向量；

聚类模块，所述聚类模块对所述每个用户的综合特征向量进行聚类分析，确定每个用户的分类。

12.如权利要求11所述的用户价值分类装置，其特征在于，

所述分析模块按照因子得分从高到低的顺序排列所述公共因子，得到公共因子序列；

所述分析模块将公共因子序列中前n个公共因子作为因子变量；其中，1≤n＜k，k为公共因子的个数，n、k为整数。

13.如权利要求11所述的用户价值分类装置，其特征在于，进一步包括：清洗模块，用于识别所述指标值是否为异常值，并且，若所述指标值是异常值，剔除所述指标值。

14.如权利要求13所述的用户价值分类装置，其特征在于，所述清洗模块通过箱形图进行数据清洗。