業務對象分類方法和系統技術方案

一種業務對象分類方法，包括：獲取分析周期內多個業務對象的目標屬性特征參數；將分析周期分為通過多個分析時間點劃分的分析時間段；獲取多個業務對象在分析時間點對應的目標屬性特征參數的特征參數值，根據特征參數值形成分別與多個業務對象對應的軌跡特征曲線；對軌跡特征曲線進行聚類分析，將軌跡特征曲線中相似度小于設定值的曲線進行聚類得到聚類結果；根據聚類結果對所述業務對象進行分類。本申請還提供一種業務對象分類系統。根據業務對象在分析時間點的目標屬性特征參數的特征參數值形成業務對象的特征軌跡曲線并進行聚類分析，可以準確地獲得業務對象分類結果，針對不同應用程序可選取不同的目標屬性特征參數進行分析，適應領域廣。

Business object classification method and system

Including the classification method, a business object: acquisition and analysis of target attribute parameters for multiple business objects period; the analysis cycle is divided into a plurality of time through the analysis of the demarcation point in time; the character parameters of multiple business objects in the target attribute parameter analysis of the corresponding point in time value, according to the characteristic parameters the formation of trajectory characteristic curve corresponds to multiple business objects; clustering analysis on the trajectory curve, the trajectory curve similarity is smaller than the preset value curve was obtained by clustering the clustering results; to classify the business object according to the clustering results. The present application also provides a business object classification system. According to the characteristic parameters of the business object in target attribute parameter analysis time point value of the formation characteristics curve of business objects and the clustering analysis, can accurately obtain the classification results for different business objects, the application can choose the target attribute parameters of different analysis, adapt to the wide field.

【技術實現步驟摘要】
業務對象分類方法和系統
本專利技術涉及互聯網
中業務對象信息處理技術，特別是涉及一種業務對象分類方法和系統。
技術介紹
業務對象分類是一種非常重要的用戶信息分析方法，通過對業務對象分類，可以掌握用戶的不同特性，便于對用戶進行管理。目前，常用的一種業務對象分類方法是通過特定規則定義多個用戶類型，如根據業務對象歷史記錄預先設置業務對象分類的不同規則。根據業務對象的歷史使用記錄數據判斷其與特定規則的匹配情況，根據匹配結果將其劃分到對應的分類類型。另一種業務對象分類方法是建立線性評估模型，綜合考慮業務對象的多種歷史使用記錄計算活躍度參數，通過將業務對象歷史使用記錄設置多個維度，每個維度設置對應的線性系數，從而可計算每個業務對象的活躍度參數，根據計算結果將其劃分到對應的分類類型。然而，以上業務對象分類方法仍然存在問題：針對第一種業務對象分類方法，在對業務對象進行分類之前需要對用戶類型事先進行定義，且對每個業務對象類型的定義設置好分類規則，從而會受限于個人對現有業務對象的了解程度，業務對象分類粒度太粗，分類結果的識別精度低、可應用性較弱。針對第二種業務對象分類方法，分類所使用的線性模型中，各維度的權重即各維度對應的線性系數的設置的合理性直接影響到分類結果的準確性，各維度權重的設置并無操作性強的指導規則；且難以將業務對象細分，適用領域有限，分類后所得出的分類結果可能并非是可用于指導實際的結果。相關技術中，對于上述問題，尚無有效解決方案。
技術實現思路
基于此，有必要提供一種識別精度高、適應領域廣的業務對象分類方法和系統。一種業務對象分類方法，包括：獲取分析周期內多個業務對象的目標屬性特征參數；將所述分析周期分為通過多個分析時間點劃分的分析時間段；獲取所述多個業務對象在所述分析時間點對應的目標屬性特征參數的特征參數值，根據所述特征參數值形成分別與所述多個業務對象對應的軌跡特征曲線；對所述軌跡特征曲線進行聚類分析，將所述軌跡特征曲線中相似度小于設定值的曲線進行聚類得到聚類結果；根據所述聚類結果對所述業務對象進行分類。一種業務對象分類系統，包括：參數獲取模塊，用于獲取分析周期內多個業務對象的目標屬性特征參數；時間劃分模塊，用于將所述分析周期分為通過多個分析時間點劃分的分析時間段；曲線形成模塊，用于獲取所述多個業務對象在所述分析時間點對應的目標屬性特征參數的特征參數值，根據所述特征參數值形成分別與所述多個業務對象對應的軌跡特征曲線；聚類分析模塊，用于對所述軌跡特征曲線進行聚類分析，將所述軌跡特征曲線中相似度小于設定值的曲線進行聚類得到聚類結果；分類模塊，用于根據所述聚類結果對所述業務對象進行分類。上述業務對象分類方法和系統，通過獲取業務對象的目標屬性特征參數，根據業務對象在分析時間點的目標屬性特征參數的特征參數值形成業務對象的特征軌跡曲線，再通過對特征軌跡曲線進行聚類分析，從而可通過對相同時間段內具有相似目標屬性特征參數的特征參數值得業務對象進行自動組合劃分為同一類，再通過對劃分為同一類的業務對象所包含的目標屬性特征參數的特征參數值進行分析找出該類業務對象的共性，定義其業務對象類別。因此，業務對象分類結果的準確性不依賴于分類之前對業務對象類型進行定義的準確性，分類粒度的粗細可通過調整分析周期的長短、分析時間點數量與間隔、及與曲線相似度的設定值的大小進行調整；其次可針對不同應用程序的功能和使用特點可選取該應用程序的業務對象群對應的不同目標屬性特征參數進行分析，從而可得到準確且具有可操作性的分類結果，針對同一應用程序也可以選取不同的目標屬性特征參數進行分析，得到從不同維度的實際行為數據而獲得業務對象分類結果，從而該業務對象分類方法適應領域廣，業務對象分類結果也更具有價值。附圖說明圖1為一實施例中業務對象分類方法的系統架構圖；圖2為一實施例中服務器的內部結構示意圖；圖3為一實施例中業務對象分類方法的流程圖；圖4為另一實施例中業務對象分類方法的流程圖；圖5為又一實施例中業務對象分類方法的流程圖；圖6為業務對象分類軌跡曲線的示意圖；圖7為再一實施例中業務對象分類方法的流程圖；圖8為一實施例中計算軌跡距離的示意圖；圖9為又一實施例中業務對象分類方法的流程圖；圖10為再一實施例中業務對象分類方法的流程圖；圖11為另一實施例中業務對象分類系統的結構示意圖；圖12為又一實施例中業務對象分類系統的結構示意圖；圖13為再一實施例中業務對象分類系統的結構示意圖；圖14為另一實施例中業務對象分類系統的結構示意圖；圖15為又一實施例中業務對象分類系統的結構示意圖；圖16為再一實施例中業務對象分類系統的結構示意圖。具體實施方式為了使本專利技術的目的、技術方案及優點更加清楚明白，以下結合附圖及實施例，對本專利技術進行進一步詳細說明。應當理解，此處所描述的具體實施例僅用以解釋本專利技術，并不用于限定本專利技術。除非另有定義，本文所使用的所有的技術和科學術語與屬于本專利技術的
的技術人員通常理解的含義相同。本文中在本專利技術的說明書中所使用的術語只是為了描述具體的實施例的目的，不是旨在于限制本專利技術。本文所使用的術語“及/或”包括一個或多個相關的所列項目的任意的和所有的組合。本專利技術實施例提供的業務對象分類方法可應用于圖1所示的系統中，如圖1所示，終端100通過網絡與服務器200進行通信，終端100為業務對象分類方法提供業務對象的屬性特征參數并發送給服務器200。具體的，終端100獲取使用應用程序的業務對象的屬性特征參數，并通過網絡發送給服務器200進行存儲以為業務對象分類提供數據來源。其中，應用程序可以為互聯網
中針對不同使用者應用目的的應用軟件，如金融應用、游戲應用、教育應用、即時通訊應用等，業務對象則是指使用這些應用程序的對象，具體地，與金融應用對應的業務對象為使用該金融應用的金融用戶、與游戲應用對應的業務對象為使用該游戲應用的游戲用戶、與教育應用對應的業務對象為使用該教育應用的用戶、與即時通訊應用對應的業務對象為使用該即時通訊應用的用戶。業務對象的屬性特征參數包括流水類數據和狀態類數據，以金融應用、游戲應用、教育應用、即時通訊應用等為例，業務對象對金融應用游戲應用、教育應用、即時通訊應用等的登陸訪問為流水類數據，不同業務對象所屬歸屬地區為狀態類數據。終端100可以為智能手機、平板電腦、個人數字助理(PDA)及個人計算機。服務器200可以為獨立的物理服務器或者物理服務器集群。圖1中的服務器200的內部結構如圖2所示，該服務器200包括通過系統總線鏈接的處理器、存儲介質、內存和網絡接口。其中，該服務器200的存儲介質存儲有操作系統、數據庫和一種業務對象分類系統。數據庫用于存儲數據，如用于業務對象分類的業務對象的屬性特征參數。該服務器200的處理器用于供計算和控制能力，支撐整個接入服務器200的運行。該服務器200的內存為存儲介質中的業務對象分類系統的運行提供環境。該服務器200的網絡接口用于與外部的終端100通過網絡連接通信，比如接收終端100發送的屬性特征參數等。如圖3所示，為本申請一實施例提供的一種業務對象分類方法，該方法可應用于圖2所示的服務器中，具體包括如下步驟。步驟101，獲取分析周期內多個業務對象的目標屬性特征參數。分析周期根據需分析的目標時間段本文檔來自技高網...

【技術保護點】
一種業務對象分類方法，包括：獲取分析周期內多個業務對象的目標屬性特征參數；將所述分析周期分為通過多個分析時間點劃分的分析時間段；獲取所述多個業務對象在所述分析時間點對應的目標屬性特征參數的特征參數值，根據所述特征參數值形成分別與所述多個業務對象對應的軌跡特征曲線；對所述軌跡特征曲線進行聚類分析，將所述軌跡特征曲線中相似度小于設定值的曲線進行聚類得到聚類結果；根據所述聚類結果對所述業務對象進行分類。

【技術特征摘要】
1.一種業務對象分類方法，包括：獲取分析周期內多個業務對象的目標屬性特征參數；將所述分析周期分為通過多個分析時間點劃分的分析時間段；獲取所述多個業務對象在所述分析時間點對應的目標屬性特征參數的特征參數值，根據所述特征參數值形成分別與所述多個業務對象對應的軌跡特征曲線；對所述軌跡特征曲線進行聚類分析，將所述軌跡特征曲線中相似度小于設定值的曲線進行聚類得到聚類結果；根據所述聚類結果對所述業務對象進行分類。2.如權利要求1所述的業務對象分類方法，其特征在于：所述獲取所述多個業務對象在所述分析時間點對應的目標屬性特征參數的特征參數值，根據所述特征參數值形成分別與所述多個業務對象對應的軌跡特征曲線的步驟包括：獲取所述多個業務對象在所述分析時間點對應的目標屬性特征參數的特征參數值；以所述分析時間點為橫坐標，以所述多個業務對象在所述分析時間點所對應時刻的目標屬性特征參數的參數特征值為縱坐標，形成分別與所述多個業務對象對應的軌跡特征曲線。3.如權利要求1所述的業務對象分類方法，其特征在于：所述獲取所述多個業務對象在所述分析時間點對應的目標屬性特征參數的特征參數值，根據所述特征參數值形成分別與所述多個業務對象對應的軌跡特征曲線的步驟包括：根據所述目標屬性特征參數，分別以所述分析時間點為基準時間計算預設時間周期內的目標屬性特征參數的特征參數值；以所述分析時間點為橫坐標，以所述多個業務對象在所述分析時間點對應的所述參數特征值為縱坐標，形成分別與所述多個業務對象對應的軌跡特征曲線。4.如權利要求1所述的業務對象分類方法，其特征在于：所述對所述軌跡特征曲線進行聚類分析，將所述軌跡特征曲線中相似度小于設定值的曲線進行聚類得到聚類結果的步驟包括：計算每一業務對象任意兩個分析時間點之間的軌跡特征曲線與其它業務對象在所述兩個分析時間點之間的軌跡特征曲線的軌跡距離，將軌跡距離小于閾值的曲線進行聚類，分別形成每一業務對象與所述兩個分析時間點對應的聚類集合；重復以上步驟，獲取每一業務對象在所述分析周期內預設數量的兩個分析時間點分別對應的聚類集合得到聚類結果。5.如權利要求4所述的業務對象分類方法，其特征在于：所述計算每一業務對象任意兩個分析時間點之間的軌跡特征曲線與其它業務對象在所述兩個分析時間點之間的軌跡特征曲線的軌跡距離，將軌跡距離小于閾值的曲線進行聚類，分別形成每一業務對象與所述兩個分析時間點對應的聚類集合的步驟包括：以第一業務對象在任意兩個分析時間點之間的軌跡特征曲線為參考曲線；以第二業務對象在所述兩個分析時間點之間的軌跡特征曲線為對比曲線，計算所述參考曲線與所述對比曲線之間的軌跡距離，所述第二業務對象為不同于所述第一業務對象的任一業務對象；當所述軌跡距離小于或者等于閾值時，將所述第二業務對象的對比曲線與所述第一業務對象的參考曲線進行聚類；將所述聚類的曲線形成所述第一業務對象與所述兩個分析時間點對應的聚類集合。6.如權利要求1所述的業務對象分類方法，其特征在于：所述根據所述聚類結果對所述業務對象進行分類的步驟包括：獲取所述聚類結果中任意兩個業務...

【專利技術屬性】
技術研發人員：楊凡，張潔坤，胡天行，黃斐，錢波，劉嘉，
申請(專利權)人：騰訊科技深圳有限公司，
類型：發明
國別省市：廣東,44