[发明专利]一种数据聚类及B2B平台客户偏好获取方法、系统

说明书

本发明属于数据聚类技术领域，公开了一种数据聚类及B2B平台客户偏好获取方法、系统，数据聚类及B2B平台客户偏好获取系统包括：客户信息采集模块、主控模块、客户需求提取模块、客户分类模块、聚类分析模块、商品分类推荐模块、客户评价模块、显示模块。本发明通过多平台的客户数据采集、处理、分析确定用户需求，同时基于相关数据进行客户的分类，并结合基于聚类的客户偏好数据获取，进行商品分类推荐，提高了推荐的准确度以及客户体验。同时本发明在进行数据获取时，进行了错误数据的过滤以及处理，提高了数据处理的效率，过滤低质量客户数据，也提高了聚类分析以及偏好获取的准确度。

技术领域

本发明属于数据聚类技术领域，尤其涉及一种数据聚类及B2B平台客户偏好获取方法、系统方法。

背景技术

所谓数据聚类是指根据数据的内在性质将数据分成一些聚合类，每一聚合类中的元素尽可能具有相同的特性，不同聚合类之间的特性差别尽可能大。聚类分析的目的是分析数据是否属于各个独立的分组，使一组中的成员彼此相似，而与其他组中的成员不同。它对一个数据对象的集合进行分析，但与分类分析不同的是，所划分的类是未知的，因此，聚类分析也称为无指导或无监督的(Unsupervised)学习。聚类分析的一般方法是将数据对象分组为多个类或簇(Cluster)，在同一簇中的对象之间具有较高的相似度，而不同簇中的对象差异较大。由于聚类分析的上述特征，在许多应用中，对数据集进行了聚类分析后，可将一个簇中的各数据对象作为一个整体对待。B2B平台是电子商务的一种模式，是英文Business-to-Business的缩写，即商业对商业，或者说是企业间的电子商务，即企业与企业之间通过互联网进行产品、服务及信息的交换。它将企业内部网，通过B2B网站与客户紧密结合起来，通过网络的快速反应，为客户提供更好的服务，从而促进企业的业务发展。然而，现有数据聚类方法及B2B平台客户偏好获取系统对客户细分有经验分类方法和基于统计分析法，一般由决策者根据自己经验对客户进行类别划分，具有很强的主观性，细分的结果不客观，缺少说服力；同时，目前B2B电子商务平台商品信息往往先由卖家根据模板进行提交，再由B2B电子中介服务商的信息编辑人员进行审核校正；由于商品分类目录体系庞杂，无论是对卖家还是电子商务平台信息编辑人员而言，对商品进行分类都是一件有难度的工作。

综上所述，现有技术存在的问题是：现有数据聚类方法及B2B平台客户偏好获取系统对客户细分有经验分类方法和基于统计分析法，一般由决策者根据自己经验对客户进行类别划分，具有很强的主观性，细分的结果不客观，缺少说服力；同时，目前B2B电子商务平台商品信息往往先由卖家根据模板进行提交，再由B2B电子中介服务商的信息编辑人员进行审核校正；由于商品分类目录体系庞杂，无论是对卖家还是电子商务平台信息编辑人员而言，对商品进行分类都是一件有难度的工作。

发明内容

针对现有技术存在的问题，本发明提供了一种数据聚类及B2B平台客户偏好获取方法、系统。

本发明是这样实现的，一种数据聚类及B2B平台客户偏好获取方法，所述数据聚类及B2B平台客户偏好获取方法包括以下步骤：

步骤一，通过客户信息采集模块采集B2B平台客户属性、行为、需求及其他相关信息数据：根据来自不同B2B平台的初始种子账号集初始化B2B平台的数据采集任务队列；中心节点的采集任务队列到达阈值时，启动子节点服务器的信息采集服务，中心节点向子节点分配采集任务并初始化其任务控制组件；子节点进行数据采集，根据任务的账号信息选择对应的B2B平台采集组件进行数据采集；

步骤二，根据任务节点的任务数量和采集速率定期进行节点负载测试，对任务负载比较高的节点将部分采集任务回收到中心节点，再由中心节点动态分配给其他任务节点，进行客户属性、行为、需求及其他相关信息数据的采集；对采集的客户属性、行为、需求及其他相关信息数据进行质量评估，过滤低质量的客户属性、行为、需求及其他相关信息数据，得到高质量的客户属性、行为、需求及其他相关信息数据；