[发明专利]数据挖掘方法以及数据挖掘装置

说明书

本发明公开了一种数据挖掘方法以及数据挖掘装置，涉及大数据领域。本发明中首先基于成本属性对成本向量进行聚类，针对某种或某些成本属性的成本相近的成本向量被划分为一类，再根据聚类的结果和以及各个成本向量与零向量的距离选取部分成本向量进行重复聚类，采用迭代的聚类方式逐渐舍弃部分成本向量，保留距离代表成本最低的零向量的更接近的成本向量，并且使得保留的成本向量对于各种成本属性的成本均衡，从而最终筛选出最优方案。本发明的方法可以为用户选取各方面成本较为均衡并且总成本最低的出行方案，提升用户体验。

技术领域

本发明涉及大数据领域，特别涉及一种数据挖掘方法以及数据挖掘装置。

背景技术

随着科技的不断进步，交通越来越便利，出行已经成为很多人的一种生活常态。无论是工作或是旅行，出行方案的选择是人们关注的焦点。

目前，很多网站提供购票服务，一般仅针对一种类型的车票，例如火车票或飞机票，为用户显示出符合用户出行日期、出发地、目的地等需求的所有时刻的票价供用户选择。

发明内容

发明人发现，现有网站中提供的购票服务功能单一，仅能提供一种类型的票务查询，并且对用户呈现所有的选择方案后，用户还需要进行反复的筛选才能找到比较合适的出行方案，用户体验不好。

本发明所要解决的一个技术问题是：如何为用户提供较为合适的出行方案，提升用户体验。

根据本发明的一个实施例，提供的一种数据挖掘方法，包括：i)确定各个方案的成本向量，成本向量的各个维度分别代表对应的方案对于各种成本属性的成本信息；ii)基于成本属性对所有成本向量进行初始聚类；iii)根据聚类结果以及各个成本向量与零向量的距离选取部分成本向量作为进行聚类的成本向量；iv)基于成本属性对选取的成本向量进行聚类；v)重复步骤iii)至iv)，直至聚类结果为一类，从聚类结果中确定最优成本向量，将与最优成本向量对应的方案作为最优方案。

在一个实施例中，基于成本属性对所有成本向量进行聚类包括：针对一种成本属性选取对于该成本属性成本最低的成本向量作为该成本属性的最优成本向量；将各种成本属性的最优成本向量作为初始聚类中心，对所有成本向量进行初始聚类。

在一个实施例中，根据聚类结果以及各个成本向量与零向量的距离选取部分成本向量作为进行聚类的成本向量包括：从聚类结果的每一个聚类中选取距离零向量最近的成本向量作为进行聚类的成本向量。

在一个实施例中，基于成本属性对选取的成本向量进行聚类包括：从选取的成本向量中针对一种成本属性选取对于该成本属性成本最低的成本向量作为该成本属性的最优成本向量；按照预设规则从确定的各种成本属性的最优成本向量中不重复的选取数量等于上一次聚类中心数量的1/2的成本向量作为聚类中心，对选取的成本向量进行聚类。

在一个实施例中，利用2-3查找树确定一种成本属性的最优成本向量。

在一个实施例中，对成本向量进行聚类时，只计算具有相同索引的成本向量之间的距离，其中，成本向量的索引是根据之前的聚类结果确定的。

在一个实施例中，对成本向量进行聚类时，对成本向量利用主成分分析法进行降维，根据降维后的成本向量之间的距离对成本向量进行聚类。

在一个实施例中，该方法还包括：将最优方案以及各种成本属性的最优成本向量对应的方案呈现给用户。

在一个实施例中，方案为根据用户的出行需求信息获取的符合用户出行需求的各种交通工具的出行方案，出行需求信息包括出行时间、出发地、目的地。