一種面向微信營(yíng)銷的消費(fèi)者聚類方法
【專利摘要】本發(fā)明涉及社交網(wǎng)絡(luò)數(shù)據(jù)處理領(lǐng)域，尤其涉及一種面向微信營(yíng)銷的消費(fèi)者聚類處理方法，該方法包括以下的步驟：1）對(duì)數(shù)據(jù)全集進(jìn)行搜索，通過(guò)對(duì)數(shù)據(jù)全集隨機(jī)取樣次；2）對(duì)每次隨機(jī)取樣后的樣本數(shù)據(jù)集進(jìn)行k?means算法聚類，獲得一組聚類中心，次取樣，共可獲得組聚類中心；3）利用誤差平方和準(zhǔn)則函數(shù)，尋找到最優(yōu)的一組聚類中心，并輸出；4）以步驟3）尋找到的最優(yōu)聚類中心為初始聚類中心，為輸入?yún)?shù)（），對(duì)數(shù)據(jù)全集執(zhí)行k?means算法；5）在產(chǎn)生的組聚類中，合并距離最近的兩組，重新計(jì)算合并后的聚類中心；直到聚類數(shù)目減少到，停止合并；整個(gè)算法結(jié)束。該方法提高了消費(fèi)者數(shù)據(jù)聚類過(guò)程的速率與穩(wěn)定性。
【專利說(shuō)明】
一種面向微信營(yíng)銷的消費(fèi)者聚類方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及社交網(wǎng)絡(luò)數(shù)據(jù)處理領(lǐng)域，尤其涉及一種面向微信營(yíng)銷的消費(fèi)者聚類處 理方法。
【背景技術(shù)】
[0002] k-means算法作為最常用數(shù)據(jù)聚類算法之一，其原理是預(yù)先設(shè)定好需要?jiǎng)澐诸悇e 的個(gè)數(shù)ir作為輸入?yún)?shù)，將數(shù)據(jù)集劃分為it個(gè)簇，根據(jù)每一個(gè)數(shù)據(jù)對(duì)象與每一個(gè)簇聚類中心 的歐式距離來(lái)判定這個(gè)數(shù)據(jù)對(duì)象應(yīng)該歸并到哪一個(gè)簇中去。在同一簇內(nèi)數(shù)據(jù)對(duì)象彼此有較 高相似度，而不同簇之間的數(shù)據(jù)對(duì)象相似度較低。k-means算法的具體步驟是:首先依據(jù)輸 入?yún)?shù)i:，在數(shù)據(jù)集隨機(jī)選擇Jt個(gè)數(shù)據(jù)對(duì)象分別作為每個(gè)簇的聚類中心，計(jì)算余下的每一個(gè) 數(shù)據(jù)對(duì)象到每個(gè)聚類中心的歐式距離4,對(duì)所有4比較大小，將數(shù)據(jù)對(duì)象歸類到最小t所對(duì) 應(yīng)的簇中去;然后重新計(jì)算每個(gè)簇的聚類中心，再次計(jì)算每個(gè)數(shù)據(jù)對(duì)象到每個(gè)聚類中心的 歐式距離4,依據(jù)4最小原則，對(duì)數(shù)據(jù)對(duì)象重新歸類到對(duì)應(yīng)簇中去，反復(fù)進(jìn)行這一過(guò)程。最后 直到每個(gè)簇的聚類中心不再變化或者變化很小為止，迭代計(jì)算結(jié)束，輸出最后的Jt個(gè)聚類 簇，完成對(duì)數(shù)據(jù)集的聚類。
[0003] 傳統(tǒng)k-means聚類算法過(guò)程圖如圖1所示。
[0004] 傳統(tǒng)k-means聚類算法的缺點(diǎn)： 對(duì)初始聚類中心極為敏感。由于k-means算法對(duì)初始聚類中心的選擇是隨機(jī)選擇，如果 初始聚類中心選擇不當(dāng)，算法很容易陷入局部最優(yōu)解，而非全局最優(yōu)解。特別是當(dāng)數(shù)據(jù)集分 布不均勻時(shí)，邊緣點(diǎn)、極值點(diǎn)有可能會(huì)被選為初始點(diǎn)，造成迭代收斂速度緩慢，聚類效果不 明顯等情況。

【發(fā)明內(nèi)容】

[0005] 為了解決現(xiàn)有技術(shù)中，消費(fèi)者數(shù)據(jù)處理效率緩慢，聚類過(guò)程容易出現(xiàn)局部最優(yōu)狀 況從而導(dǎo)致失敗的問(wèn)題本發(fā)明提出了一種面向微信營(yíng)銷的消費(fèi)者聚類處理方法，該方法提 高了消費(fèi)者數(shù)據(jù)聚類過(guò)程的速率與穩(wěn)定性。
[0006] 為了解決以上技術(shù)問(wèn)題，本發(fā)明通過(guò)以下技術(shù)方案實(shí)現(xiàn)： 一種面向微信營(yíng)銷的消費(fèi)者聚類處理方法，該方法處理的信息為來(lái)自微信采集的消費(fèi) 者信息，包括:消費(fèi)者主動(dòng)填報(bào)的個(gè)人信息，消費(fèi)者關(guān)注微信公眾平臺(tái)后的操作記錄信息， 購(gòu)買行為信息和意見(jiàn)反饋信息，該方法包括以下的步驟： 1) 對(duì)數(shù)據(jù)全集S進(jìn)行搜索，通過(guò)對(duì)數(shù)據(jù)全集隨機(jī)取樣J次； 2) 對(duì)每次隨機(jī)取樣后的樣本數(shù)據(jù)集進(jìn)行k-means算法聚類，獲得一組聚類中心，J次取 樣，共可獲得/組聚類中心； 3) 利用誤差平方和準(zhǔn)則函數(shù)，尋找到最優(yōu)的一組聚類中心，并輸出； 4) 以步驟3)尋找到的最優(yōu)聚類中心為初始聚類中心，為輸入?yún)?shù)(JT>J·)，對(duì)數(shù)據(jù)全 集執(zhí)行k-means算法； 5)在產(chǎn)生的JT組聚類中，合并距離最近的兩組，重新計(jì)算合并后的聚類中心;直到聚類 數(shù)目減少到及，停止合并;整個(gè)算法結(jié)束。
[0007] 本發(fā)明由于采用了上述的技術(shù)方案，與現(xiàn)有技術(shù)相比本發(fā)明的優(yōu)點(diǎn)是： (1) 提高了消費(fèi)者數(shù)據(jù)聚類過(guò)程的速率與穩(wěn)定性； (2) 由于聚類過(guò)程中，數(shù)據(jù)子集為多個(gè)(大于3)，能夠目前比較流行的分布式計(jì)算。
【附圖說(shuō)明】
[0008] 圖1為傳統(tǒng)k-means算法流程圖。
[0009] 圖2為本發(fā)明改進(jìn)后的k-means算法流程圖。
[0010] 圖3樣本仿真數(shù)據(jù)集D。
[0011] 圖4為兩種算法執(zhí)行結(jié)果圖。
【具體實(shí)施方式】
[0012] 下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明做進(jìn)一步說(shuō)明： 本發(fā)明設(shè)計(jì)適合大數(shù)據(jù)環(huán)境的改進(jìn)型k-means算法，算法流程圖如圖2所示。某一段時(shí) 間（一個(gè)月）的客戶數(shù)據(jù)按照利潤(rùn)貢獻(xiàn)值為屬性進(jìn)行聚類。在每一類客戶中共有#個(gè)數(shù)據(jù)對(duì) 象?%<%?，每一個(gè)數(shù)據(jù)對(duì)象具有Μ個(gè)價(jià)值屬性表示客戶數(shù)據(jù)集中的 第》個(gè)客戶的第*個(gè)屬性。
[0013] 對(duì)某一個(gè)時(shí)間期采集到的客戶數(shù)據(jù)集合D進(jìn)行聚類的目的是得到根據(jù)客戶價(jià)值貢 獻(xiàn)度，獲得Ji個(gè)客戶聚類集。
[0014] 算法基本步驟描述如下： $對(duì)數(shù)據(jù)集合0進(jìn)行J次取樣，每次均抽取相同客戶對(duì)象的數(shù)目，形成數(shù)據(jù)集合向量 ②設(shè)置聚類個(gè)數(shù)JST，且JST>1，對(duì)II中每個(gè)抽樣集合;Dj，執(zhí)行k-means算法，獲取J組尤個(gè) _根據(jù)抽樣集合縳中每一個(gè)聚類集中客戶數(shù)目巧，計(jì)算抽樣集合g中每 個(gè)聚類的誤差平方和計(jì)算公式如下：
其中\(zhòng)指的是聚類集值第η個(gè)客戶的第m個(gè)屬性值，&指的是此聚類中心屬性I?的 值。
[0015] 瘍利用誤差平方和準(zhǔn)則函數(shù)，計(jì)算抽樣集合的誤差平方和$，其計(jì)算公式如 下：
選擇$-最小值所對(duì)應(yīng)的那一組聚類中心C1，作為初始聚類中心輸出。
[0016] ·'：!:以CT作為初始聚類中心，JT為聚類個(gè)數(shù)，對(duì)數(shù)據(jù)集合D的全域執(zhí)行k-means算 法，獲得夏個(gè)聚類
[0017] _在中分別計(jì)算每?jī)蓚€(gè)聚類的距離(聚類中心之間的歐式距離)& ，其計(jì)算公式如下：
其中，-指的是第?個(gè)聚類的聚類中心屬性?的值。選取最小的兩個(gè)聚類合并，并重 新計(jì)算合并后的聚類中心，直到聚類集合中聚類數(shù)目減少到【=及時(shí)，停止合 并，輸出?個(gè)聚類集合。整個(gè)改進(jìn)型k-means算法結(jié)束，獲得根據(jù)客戶價(jià)值貢獻(xiàn)度指標(biāo)，對(duì)數(shù) 據(jù)集合D的聚類。
[0018] 本發(fā)明將運(yùn)用計(jì)算機(jī)軟件進(jìn)行仿真實(shí)驗(yàn)，對(duì)比傳統(tǒng)k-means算法與本文中改進(jìn)后 的k-means算法的聚類效果。在本次仿真實(shí)驗(yàn)程序中采用Visual C++實(shí)現(xiàn)，計(jì)算機(jī)硬件配置 為，CPU:Inter i5處理器2.5GHz;內(nèi)存:4GB。相關(guān)數(shù)據(jù)樣本參數(shù)設(shè)置如表1所示：
本次仿真實(shí)驗(yàn)的數(shù)據(jù)選取了如圖3所示的二維樣本仿真數(shù)據(jù)集ZJ，分別計(jì)算出圖4中四 個(gè)數(shù)據(jù)子集的均指矢量為（0.6509,0 ·9582)、（3 ·4821，1 · 1241)、（3.9587,3.0213)、 (1.7424，4.2508)。首先采用傳統(tǒng)k-means算法，對(duì)原始數(shù)據(jù)集Ζ)進(jìn)行聚類，共執(zhí)行30次傳統(tǒng) k-means算法。在每次執(zhí)行傳統(tǒng)k-means算法時(shí)，打亂輸入數(shù)據(jù)的順序。同理，在對(duì)原始數(shù)據(jù) 集D執(zhí)行30次改進(jìn)后的k-means算法時(shí)，也是打亂讀入數(shù)據(jù)的順序。這樣做的目的是為了檢 驗(yàn)算法的穩(wěn)定性。
[0019] 在對(duì)兩種算法的執(zhí)行結(jié)果中各選擇一組具有代表性的聚類結(jié)果，如圖4(a)、（b)所 示，其中圖中紅色的小點(diǎn)表示每個(gè)聚類中，聚類中心的位置。使用傳統(tǒng)k-means算法的聚類 結(jié)果中類似圖4(a)共出現(xiàn)了 23次。圖4(a)所反映的情況是比較典型地陷入了局部最小的情 況。而在執(zhí)行本文中設(shè)計(jì)的改進(jìn)型k-means算法后都能穩(wěn)定得到類似圖4(b)所示的聚類結(jié) 果。
[0020] 接下來(lái)通過(guò)對(duì)聚類結(jié)果中，30組聚類中心的平均值與經(jīng)過(guò)計(jì)算產(chǎn)生的聚類中心 對(duì)比分析，說(shuō)明兩種算法的優(yōu)劣，如表2所示：
通過(guò)表2中聚類中心平均值之間的比較，可以明顯看出改進(jìn)型k-means算法得出的聚類 中心值與經(jīng)過(guò)計(jì)算后產(chǎn)生的聚類中心值更加接近。結(jié)合圖4(a)、（b)，我們可以做進(jìn)一步分 析：由于原始數(shù)據(jù)分布不均勾，每個(gè)簇的形狀大小也不一致，傳統(tǒng)k-means算法隨機(jī)選擇初 始聚類中心的做法，很容易選擇到邊緣數(shù)據(jù)點(diǎn)作為初始聚類中心。一旦遇到這種情況，傳統(tǒng) k-means算法最后得出的聚類中心極有可能陷入局部最優(yōu)解，圖4(a)反映的就是這類現(xiàn)象 典型情況。改進(jìn)型k-means算法，對(duì)原始數(shù)據(jù)先進(jìn)行20次等值平均抽樣(每組抽樣樣本包含 250個(gè)元素），利用誤差平方和準(zhǔn)則函數(shù)，在這20組抽樣樣本中優(yōu)選出最能反映數(shù)據(jù)全集D 形狀、密度特征的聚類中心作為初始聚類中心代入k-means算法中運(yùn)算，并設(shè)置初始聚類數(shù) 目最后合并聚類結(jié)果。這樣做既能使聚類結(jié)果與讀入數(shù)據(jù)順序無(wú)關(guān)，又能避免聚 類被割裂形成局部?jī)?yōu)解的情況發(fā)生。
[0021] 本發(fā)明提出的面向微信營(yíng)銷的消費(fèi)者聚類方法，穩(wěn)定性更強(qiáng)，準(zhǔn)確度更高，特別適 合處理分布不均勻、數(shù)據(jù)量大的大數(shù)據(jù)源。
[0022] 以上所述僅為本發(fā)明的具體實(shí)施例，但本發(fā)明的技術(shù)特征并不局限于此，任何本 領(lǐng)域的技術(shù)人員在本發(fā)明的領(lǐng)域內(nèi)，所作的變化或修飾皆涵蓋在本發(fā)明的專利范圍之中。
【主權(quán)項(xiàng)】
1. 一種面向微信營(yíng)銷的消費(fèi)者聚類處理方法，其特征在于該方法處理的信息為來(lái)自微 信采集的消費(fèi)者信息，包括:消費(fèi)者主動(dòng)填報(bào)的個(gè)人信息，消費(fèi)者關(guān)注微信公眾平臺(tái)后的操 作記錄信息，購(gòu)買行為信息和意見(jiàn)反饋信息，該方法包括W下的步驟： 1) 對(duì)數(shù)據(jù)全集及進(jìn)行捜索，通過(guò)對(duì)數(shù)據(jù)全集隨機(jī)取樣J次； 2) 對(duì)每次隨機(jī)取樣后的樣本數(shù)據(jù)集進(jìn)行k-means算法聚類，獲得一組聚類中屯、，J次取 樣，共可獲得/組聚類中屯、； 3) 利用誤差平方和準(zhǔn)則函數(shù)，尋找到最優(yōu)的一組聚類中屯、，并輸出； 4. W步驟3)尋找到的最優(yōu)聚類中屯、為初始聚類中屯、，為輸入?yún)?shù)對(duì)數(shù)據(jù)全 集執(zhí)行k-means算法； 5) 在產(chǎn)生的組聚類中，合并距離最近的兩組，重新計(jì)算合并后的聚類中屯、;直到聚類 數(shù)目減少到及，停止合并;整個(gè)算法結(jié)束。2. -種面向微信營(yíng)銷的消費(fèi)者聚類處理方法，其特征在于該方法處理的信息為來(lái)自微 信采集的消費(fèi)者信息，包括:消費(fèi)者主動(dòng)填報(bào)的個(gè)人信息，消費(fèi)者關(guān)注微信公眾平臺(tái)后的操 作記錄信息，購(gòu)買行為信息和意見(jiàn)反饋信息；在每一類客戶中共有W個(gè)數(shù)據(jù)對(duì)象 機(jī)A，·.、毎i，每一個(gè)數(shù)據(jù)對(duì)象具有Μ個(gè)價(jià)值屬性拍拓-.、如$，咕表示客戶數(shù)據(jù)集中的第 W個(gè)客戶的第"?個(gè)屬性;該方法包括W下的步驟： 宏對(duì)數(shù)據(jù)集合凸進(jìn)行J次取樣，每次均抽取相同客戶對(duì)象的數(shù)目，形成數(shù)據(jù)集合向量 凸[]{馬，Uj,…,jDj·}; 愛(ài)設(shè)置聚類個(gè)數(shù)，且油1，對(duì)B中每個(gè)抽樣集合巧，執(zhí)行k-means算法，獲取J組個(gè) 聚類中屯、fc心·---· Cj.正I; 畫(huà)根據(jù)抽樣集合巧中每一個(gè)聚類集中客戶數(shù)目巧，Jt二l·玄^取計(jì)算抽樣集合巧中每 個(gè)聚類的誤差平方和巧-_?，計(jì)算公式如下：其中咕*指的是聚類集值第η個(gè)客戶的第m個(gè)屬性值，指的是此聚類中屯、?:-.*屬性m的 值； 至利用誤差平方和準(zhǔn)則函數(shù)，計(jì)算抽樣集合巧J-的誤差平方和馬-，其計(jì)算公式如下：選擇Ej-最小值所對(duì)應(yīng)的那一組聚類中屯、C·，作為初始聚類中屯、輸出； 荀we'作為初始聚類中屯、，為聚類個(gè)數(shù)，對(duì)數(shù)據(jù)集合曲的全域執(zhí)行k-means算法，獲得 個(gè)聚類?巧，巧，…，巧 篡在{嗎，馬，…，eg中分別計(jì)算每?jī)蓚€(gè)聚類的距離（聚類中屯、之間的歐式距離)d胃，其 計(jì)算公式如下：其中，&指的是第?個(gè)聚類的聚類中屯、屬性m的值;選取dw最小的兩個(gè)聚類合并，并重 新計(jì)算合并后的聚類中屯、，直到聚類集合灼，旬，.…，<y中聚類數(shù)目減少到i：:=及時(shí)，停止合 并，輸出及個(gè)聚類集合;整個(gè)改進(jìn)型k-means算法結(jié)束，獲得根據(jù)客戶價(jià)值貢獻(xiàn)度指標(biāo)，對(duì)數(shù) 據(jù)集合B的聚類。
【文檔編號(hào)】G06Q30/02GK106096052SQ201610497893
【公開(kāi)日】2016年11月9日
【申請(qǐng)日】2016年6月25日
【發(fā)明人】高揚(yáng)華, 陸海良, 單宇翔, 郁鋼
【申請(qǐng)人】浙江中煙工業(yè)有限責(zé)任公司