[发明专利]集群类型识别方法、装置、电子设备及存储介质

权利要求书

1.一种集群类型识别方法，其特征在于，包括：

获取待测集群的待测特征，所述待测特征至少包括：所述待测集群的各成员在至少一类预设行为参数上分别对应的重要程度参数；

将所述待测特征输入预构建的集群类型预测模型；

其中，所述集群类型预测模型是以样本集群的预测向量与真实向量的差值向量的长度最小为训练目标，训练神经网络得到的；所述预测向量包括所述样本集群分别属于各类已知集群的预测概率；所述真实向量包括所述样本集群分别属于所述各类已知集群的真实概率；

获取所述集群类型预测模型输出的，所述待测集群分别属于所述各类已知集群的预测概率。

2.根据权利要求1所述集群类型识别方法，其特征在于，所述获取待测集群的待测特征包括：

获取所述待测集群的各成员在所述至少一类预设行为参数分别对应的行为参数值；

对于每一类预设行为参数，根据所述待测集群的各成员在该类预设行为参数分别对应的行为参数值，确定所述待测集群的各成员在该类预设行为参数分别对应的重要程度参数，以得到所述待测集群的各成员在所述至少一类预设行为参数分别对应的重要程度参数；

至少根据所述待测集群的各成员在所述至少一类预设行为参数分别对应的重要程度参数，确定待测集群的待测特征。

3.根据权利要求1或2所述集群类型识别方法，其特征在于，所述待测特征还包括：所述待测集群的各成员在社交参数分别对应的重要程度参数；所述获取待测集群的待测特征，还包括：

针对每一待测成员，获取所述待测集群中各成员分别与所述待测成员交互的初始概率；待测成员为所述待测集群中任一成员；

获取所述待测集群中各成员进行社交行为的概率；

分别将各成员进行社交行为的概率，与相应的与所述待测成员交互的初始概率相结合，得到各成员分别与所述待测成员进行社交行为的最终概率；

将各成员分别与所述待测成员进行社交行为的最终概率的和，确定为所述待测成员的社交概率，以得到所述待测集群中各成员分别对应的社交概率；

基于所述待测集群中各成员分别对应的社交概率，获得所述待测集群的各成员在社交参数分别对应的重要程度参数。

4.根据权利要求2所述集群类型识别方法，其特征在于，所述至少根据所述待测集群的各成员在所述至少一类预设行为参数分别对应的重要程度参数，确定待测集群的待测特征包括：

对于每一类预设行为参数，将所述待测集群的各成员在该类预设行为参数分别对应的重要程度参数，作为该类预设行为参数对应的参数矩阵中的各元素，以得到所述至少一类预设行为参数分别对应的参数矩阵。

5.根据权利要求4所述集群类型识别方法，其特征在于，将所述待测集群的各成员在该类预设行为参数分别对应的重要程度参数，确定为该类预设行为参数对应的参数矩阵中的元素包括：

将各成员在该类预设行为参数分别对应的重要程度参数进行降序排序，得到该类预设行为参数对应的第一排序结果；

将该类行为参数对应的第一排序结果，作为该类行为参数对应的参数矩阵中的第一列元素。

6.根据权利要求5所述集群类型识别方法，其特征在于，将所述待测集群的各成员在该类预设行为参数分别对应的重要程度参数，确定为该类预设行为参数对应的参数矩阵中的元素，还包括：

针对该类行为参数对应的参数矩阵中的每一行，确定该行的第一个重要程度参数对应的第一个成员；

获取与该行对应的第一个成员具有X度链接关系的第一目标成员的重要程度参数，X的初始值为1，X度连接关系是指所述第一个成员与所述第一目标成员至少经过X-1个成员进行交互；

将该行对应的第一目标成员的重要程度参数进行降序排序，得到该行分别对应的第二排序结果；

将该行对应的第二排序结果中的重要程度参数，依次确定为该行的元素，直至该行包含元素的数目等于所述参数矩阵的总列数；

若所述第二排序结果中重要程度参数均为该行的元素时，该行包含的元素的数目小于所述总列数，将X+1赋值给X，返回步骤获取与该行对应的第一个成员具有X度链接关系的第一目标成员的重要程度参数；以得到各行分别包含的所有元素。