[发明专利]用户数据处理方法、装置、介质及电子设备

说明书

本发明提出一种用户数据处理方法、装置、介质及电子设备，涉及数据处理技术领域。用户数据处理方法包括获取用户的位置数据；基于所述位置数据中数据点的区域密度得到类簇中心；根据所述位置数据和所述类簇中心使用聚类算法进行空间聚类分析，从而确定潜在用户群，其中，所述聚类算法基于位置数据中数据点的区域密度得到对应于所述类簇中心的用户聚集的类簇。本发明提供的技术方案能够获得精确的潜在用户群。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种用户数据处理方法、装置、介质及电子设备。

背景技术

一直以来，对线下潜在目标人群进行分析都是线下店铺关注的重点之一，线下店铺往往需要精确找寻、分析周边的人群在空间上的分布及其各项属性特征。在潜在目标人群分析中往往基于一个基本假设，地理上距离相近的人群，其各项属性会比较相似。譬如，一个小区内的人群，其收入水平、消费水平、受教育程度等都会比较相近。能够获得周边人群在空间上的分布特征，线下店就可以更有针对性地指定自身的经营策略。在大数据分析中，解决此类问题常使用的处理手段是通过空间聚类方法来找寻周边用户的聚集形态，并对空间聚集的人群类簇进行进一步分析。

传统聚类算法在应用于潜在用户群进行聚类分析的过程中，存在“粘连”问题、无自适应类簇中心问题和难以划分街区级别的精细结构的问题，以至于得到的类簇结果比较粗略。

需要说明的是，在上述背景技术部分发明的信息仅用于加强对本发明的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本发明为解决上述在潜在用户群聚类分析的过程中的技术问题，提供一种用户数据处理方法、装置、介质及电子设备。

本发明的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本发明的实践而习得。

根据本发明的一个方面，提供一种用户数据处理方法，包括：获取用户的位置数据；基于所述位置数据中数据点的区域密度得到类簇中心；根据所述位置数据和所述类簇中心使用聚类算法进行空间聚类分析，从而确定潜在用户群，其中，所述聚类算法基于位置数据中数据点的区域密度得到对应于所述类簇中心的用户聚集的类簇。

在一个实施例中，用户数据处理方法还包括：使用路网数据对所述类簇进行切割，以得到子类簇；其中，所述路网数据从分析区域中提取。

在一个实施例中，用户数据处理方法还包括：获取距离所述类簇中心最近的地理实体，以所述地理实体命名所述类簇中心对应的所述类簇。

在一个实施例中，所述获取用户的位置数据包括：获取线下店周边用户及到店用户的常用收货地址；解析所述常用收货地址获得所述用户的位置数据。

在一个实施例中，所述基于所述位置数据中数据点的区域密度得到类簇中心包括：使用所述聚类算法获得所述数据点的所述区域密度，其中，所述聚类算法所述使用的计算公式为：i,j为邻域半径d_c内的所述数据点的个数；计算所述区域密度及所述最短距离归一化后的乘积获得所述数据点的决策量；根据所述决策量获得所述类簇中心；所述根据所述位置数据和所述类簇中心使用聚类算法进行空间聚类分析从而确定潜在用户群包括：根据所述区域密度及所述最短距离获得所述数据点所属的类簇。

在一个实施例中，所述根据所述决策量获得所述类簇中心包括：将对应于所述决策量的最大值的所述数据点作为所述类簇中心。

在一个实施例中，所述根据所述区域密度及所述最短距离获得所述数据点所属的类簇包括：所述数据点属于比所述数据点的区域密度大且最短距离小的数据点所对应的所述类簇。

在一个实施例中，所述使用路网数据对所述类簇进行切割，以得到子类簇包括：获取所述类簇对应的多边形的矢量数据，将所述矢量数据与所述路网数据叠加；若所述多边形被路网穿过，则使用所述路网数据对所述类簇进行分割，以得到所述子类簇。