[发明专利]用户聚类方法、装置、计算机设备和存储介质

权利要求书

1.一种用户聚类方法，其特征在于，所述方法包括：

基于至少两个初始聚类中心，根据待聚类的用户集中每一用户的用户特征，对所述用户集进行聚类，并确定各初始聚类中心的特征值；

若各初始聚类中心的特征值不满足迭代结束条件，则根据各初始聚类中心的特征值，从各初始聚类中心中确定需要移动的目标聚类中心和不需要移动的其他聚类中心；

根据吸引参数值、扰动算子，以及所述目标聚类中心与所述其他聚类中心之间的距离，调整所述目标聚类中心，得到所述目标聚类中心对应的下一聚类中心；其中，所述扰动算子根据当前迭代次数和最大迭代次数确定；

将所述下一聚类中心和所述其他聚类中心作为新的初始聚类中心，并返回执行基于各初始聚类中心，根据待聚类的用户集中每一用户的用户特征，对所述用户集进行聚类的操作，直至各初始聚类中心的特征值满足所述迭代结束条件，输出对所述用户集的聚类结果。

2.根据权利要求1所述的方法，其特征在于，所述根据各初始聚类中心的特征值，从各初始聚类中心中确定需要移动的目标聚类中心和不需要移动的其他聚类中心，包括：

从各初始聚类中心中选取至少两个备用聚类中心；

对各备用聚类中心进行两两组合，得到聚类组；

根据所述聚类组中两个备用聚类中心的特征值之间的比较结果，确定所述聚类组中需要移动的备用聚类中心；

将所述聚类组中需要移动的备用聚类中心作为目标聚类中心，以及将各初始聚类中心中除所述目标聚类中心之外的聚类中心作为不需要移动的其他聚类中心。

3.根据权利要求2所述的方法，其特征在于，所述根据吸引参数值、扰动算子，以及所述目标聚类中心与所述其他聚类中心之间的距离，调整所述目标聚类中心，得到所述目标聚类中心对应的下一聚类中心，包括：

根据吸引参数值，以及所述目标聚类中心与关联聚类中心之间的距离，确定所述目标聚类中心与所述关联聚类中心之间的目标吸引值；其中，所述关联聚类中心为所述其他聚类中心中与所述目标聚类中心属于同一聚类组内的聚类中心；

根据所述目标吸引值、扰动算子，以及所述目标聚类中心与所述关联聚类中心之间的距离，调整所述目标聚类中心，得到所述目标聚类中心对应的下一聚类中心。

4.根据权利要求1所述的方法，其特征在于，所述基于至少两个初始聚类中心，根据待聚类的用户集中每一用户的用户特征，对所述用户集进行聚类，并确定各初始聚类中心的特征值，包括：

基于至少两个初始聚类中心，根据待聚类的用户集中每一用户的用户特征，对所述用户集进行聚类，得到各初始聚类中心对应的聚类结果；

根据各聚类结果中每一用户与对应的初始聚类中心之间的距离，确定各初始聚类中心的特征值。

5.根据权利要求4所述的方法，其特征在于，所述基于至少两个初始聚类中心，根据待聚类的用户集中每一用户的用户特征，对所述用户集进行聚类，得到各初始聚类中心对应的聚类结果，包括：

获取用户集中每一用户的用户特征对应的特征权重向量；其中，所述用户特征均包括身份维度特征和/或资产维度特征；

根据所述特征权重向量，所述用户集中每一用户的用户特征，以及各初始聚类中心，确定各初始聚类中心与每一用户之间的距离；

根据各初始聚类中心与每一用户之间的距离，对所述用户集进行聚类，得到各初始聚类中心对应的聚类结果。

6.根据权利要求1所述的方法，其特征在于，所述基于至少两个初始聚类中心，根据待聚类的用户集中每一用户的用户特征，对待聚类的用户集进行聚类之前，所述方法还包括：

对待聚类的用户集中每一用户的用户特征进行检测，确定存在特殊值的用户特征；其中，所述特殊值包括缺失值、异常值和重复值中的至少一种；

对存在特殊值的用户特征进行数据清洗。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

确定所述当前迭代次数和所述最大迭代次数之间的差值；

以常量e为底数，以所述差值与所述最大迭代次数之间的比值为指数，确定所述扰动算子。