[发明专利]一种用户的分类方法及装置

说明书

本申请提供了一种用户的分类方法及装置，获取多个样本待分类用户中每个样本待分类用户的待选用户属性特征下的特征值；用户属性特征包括用户居住区域、房屋价格、房屋面积以及楼层中一种或者多种；基于各个样本待分类用户的待选用户属性特征下的特征值，对待选用户属性特征进行筛选，从待选用户属性特征中，确定至少一个选定用户属性特征；基于各个样本待分类用户的在各个选定用户特征下的特征值，构成用于表征各个样本待分类用户属性特征的特征矩阵；基于各个样本待分类用户的特征矩阵，训练得到用户分群模型；基于预先训练的用户分群模型中，对待分类用户进行分群。该用户的分类方法能够对用户进行分类，提升用户分类的精准性。

技术领域

本申请涉及数据处理领域，尤其是涉及一种用户的分类方法及装置。

背景技术

人的本质在其现实性上是一切社会关系的总和，对于不同的用户，其所具有的特性在某种意义上也表征了一些其他的特性，如工作区域与职业类型的关联、消费习惯与收入水平的关联等等。对于一些行业，掌握用户类别对于开展各项业务是具有极大的推进作用。

目前，很多行业通过多种方式对用户进行信息分类，以达到开展针对不同用户类型业务的目的。但是现有技术中在对用户进行信息分类时，只能根据单一特征对用户进行分类，分类结果不够精准。

因此，更加精准的对用户进行分类就显得尤为重要。

发明内容

有鉴于此，本申请实施例的目的在于提供一种用户的分类方法及装置，能够对用户进行分类，提升用户分类的精准性。

第一方面，本申请实施例提供了一种用户的分类方法，包括：

获取多个样本待分类用户中每个样本待分类用户的待选用户属性特征下的特征值；所述用户属性特征包括用户居住区域、房屋价格、房屋面积以及楼层中一种或者多种；

基于各个样本待分类用户的待选用户属性特征下的特征值，对所述待选用户属性特征进行筛选，从所述待选用户属性特征中，确定至少一个选定用户属性特征；

基于各个所述样本待分类用户的在各个选定用户属性特征下的特征值，构成用于表征各个样本待分类用户属性特征的特征矩阵；

基于各个样本待分类用户的特征矩阵，训练得到用户分群模型；

基于预先训练的用户分群模型中，对待分类用户进行分群。

一种可选实施方式中，所述基于各个样本待分类用户的待选用户属性特征下的特征值，对所述待选用户属性特征进行筛选，包括：

针对每种待选用户属性特征，基于各个所述样本待分类用户分别在该待选用户属性特征下的特征值，得到该待选用户属性特征对应的标准差；将该待选用户属性特征对应的标准差与预设标准差阈值进行比对；

若该待选用户属性特征对应的标准差大于所述预设标准差预阈值，则将该待选用户属性特征确定为选定用户属性特征。

一种可选实施方式中，基于各个所述样本待分类用户的在各个选定用户特征下的特征值，构成用于表征各个样本待分类用户属性特征的特征矩阵，包括：

针对在所有选定用户特征下均不存在特征值确实的样本待分类用户，基于该样本待分类用户在各个选定用户特征下均不存在特征值，构成该样本待分类用户的特征矩阵；

针对在任一选定用户特征下存在特征值缺失的样本待分类用户，基于除该样本待分类用户外的其他样本待分类用户在该任一选定用户特征下的特征值，对该样本待分类用户在该任一选定用户特征下的特征值进行数据填充，得到该样本待分类用户在该任一选定用户特征下的填充值；

基于该样本待分类用户在该任一选定用户特征下的填充值，以及该样本待分类用户在其他未存在缺失的选定用户特征下的特征值，构成该样本待分类用户的特征矩阵。