CN104462239A - 一种基于数据矢量化空间分析的客户关系发现方法 - Google Patents

一种基于数据矢量化空间分析的客户关系发现方法 Download PDF

Info

Publication number
CN104462239A
CN104462239A CN201410656476.0A CN201410656476A CN104462239A CN 104462239 A CN104462239 A CN 104462239A CN 201410656476 A CN201410656476 A CN 201410656476A CN 104462239 A CN104462239 A CN 104462239A
Authority
CN
China
Prior art keywords
client
disaggregated model
geospatial entity
vectorized process
attribute
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201410656476.0A
Other languages
English (en)
Other versions
CN104462239B (zh
Inventor
曲彦宾
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Telecommunications Science and technology Tenth Research Institute Limited
Original Assignee
TELECOMMUNICATION SCIENCE AND TECHNOLOGY NO 10 RESEARCH INSTITUTE
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by TELECOMMUNICATION SCIENCE AND TECHNOLOGY NO 10 RESEARCH INSTITUTE filed Critical TELECOMMUNICATION SCIENCE AND TECHNOLOGY NO 10 RESEARCH INSTITUTE
Priority to CN201410656476.0A priority Critical patent/CN104462239B/zh
Publication of CN104462239A publication Critical patent/CN104462239A/zh
Application granted granted Critical
Publication of CN104462239B publication Critical patent/CN104462239B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明提供一种基于数据矢量化空间分析的客户关系发现方法，主要涉及数据处理及数据挖掘技术领域。本发明主要通过对客户属性的矢量化处理，实现基于空间分析的客户关系发现方法。本发明提供的方法具有较强的通用性，通过一致的数据处理和地理空间分析方法，有效解决了现有技术中聚类分析方法和分类分析方法在不同数据集条件下带来的分析差异的问题。

Description

一种基于数据矢量化空间分析的客户关系发现方法
技术领域
本发明涉及数据处理及数据挖掘技术领域，尤其涉及一种基于数据矢量化空间分析的客户关系发现方法。
背景技术
客户关系发现是客户关系管理中的一个重要环节，它的主要目的是实现对客户的精细化管理，从而实现基于类别标签的客户维系功能。
目前，应用较为广泛的客户关系发现的方法主要有聚类分析方法和分类分析方法。聚类分析是指将对象的集合组成为由类似的对象组成的多个类别的分析过程；分类分析是用于识别个体对象属于哪一类的方法，分类过程可以依据通过聚类分析方法得到的分类模型而进行。现有技术中使用的聚类分析方法和分类分析方法，对于不同的原始数据集会产生不同的分析结果，通用性不强。
发明内容
本发明提供一种基于数据矢量化空间分析的客户关系发现方法，以解决现有技术中聚类分析方法和分类分析方法在不同数据集条件下带来的分析差异问题。
第一方面，本发明提供一种基于数据矢量化空间分析的客户关系发现方法，所述方法包括：
矢量化处理客户属性，生成矢量化处理后的客户属性；
根据所述矢量化处理后的客户属性，客户标注为在地理空间中与所述客户对应的第一地理空间实体；
将所述第一地理空间实体进行聚类分析，生成分类模型；
矢量化处理所述分类模型的属性，生成矢量化处理后的所述分类模型的属性；
根据所述矢量化处理后的所述分类模型的属性，所述分类模型标注为在地理空间中与所述分类模型对应的第二地理空间实体；
根据所述第一地理空间实体和所述第二地理空间实体得出所述客户的分类，发现所述客户的关系。
结合第一方面，在第一种可能的实现方式中，所述矢量化处理客户属性，生成矢量化处理后的客户属性包括：
矢量化处理所述客户的定质类属性和定量类属性，其中，所述定质类属性用于指示每个所述客户在所述地理空间中所在位置的坐标点，所述坐标点为二维坐标点或三维坐标点，所述定量类属性用于指示以所述坐标点为中心、向不同方向延伸的放射线段。
结合第一方面的第一种可能的实现方式，在第二种可能的实现方式中，所述根据所述矢量化处理后的客户属性，客户标注为在地理空间中与所述客户对应的第一地理空间实体包括：
连接围绕所述坐标点的相邻的放射线段的端点，生成在地理空间中与所述客户对应的第一地理空间实体，其中，所述第一地理空间实体以所述坐标点为质心。
结合第一方面的第二种可能的实现方式，在第三种可能的实现方式中，所述将所述第一地理空间实体进行聚类分析，生成分类模型包括：
将所述第一地理空间实体进行地理空间融合处理，聚合生成分类模型；
通过增加缓冲区的方式，修正和优化所述分类模型。
结合第一方面的第三种可能的实现方式，在第四种可能的实现方式中，所述矢量化处理所述分类模型的属性，生成矢量化处理后的所述分类模型的属性包括：
矢量化处理所述分类模型的定质类属性和定量类属性，其中，所述定质类属性用于指示每个所述分类模型在所述地理空间中所在位置的二维面或三维体，所述二维面或三维体通过连接聚合生成所述分类模型的所述第一地理空间的质心形成，所述定量类属性用于指示以所述二维面或三维体的质心为中心、向不同方向延伸的放射线段。
结合第一方面的第四种可能的实现方式，在第五种可能的实现方式中，所述根据所述矢量化处理后的所述分类模型的属性，所述分类模型标注为在地理空间中与所述分类模型对应的第二地理空间实体包括：
连接围绕所述二维面或三维体的相邻的放射线段的端点，生成在地理空间中与所述分类模型对应的第二地理空间实体，其中，所述第二地理空间实体以所述二维面或三维体为质核。
结合第一方面的第五种可能的实现方式，在第六种可能的实现方式中，所述根据所述第一地理空间实体和所述第二地理空间实体得出所述客户的分类，发现所述客户的关系包括：
通过对所述第一地理空间实体的质心和所述第二地理空间实体的质核进行包容分析，以及对所述第一地理空间实体和所述第二地理空间实体进行相交分析，得出所述客户的分类，发现所述客户的关系，其中所述第一地理空间实体的质心与所述第二地理空间实体的质核之间的距离确定所述客户在所述分类中的级别。
本发明通过对客户属性的矢量化处理，实现基于空间分析的客户关系发现方法，该方法具有较强的通用性，通过一致的数据处理和地理空间分析方法，有效解决了现有技术中聚类分析方法和分类分析方法在不同数据集条件下带来的分析差异。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种基于数据矢量化空间分析的客户关系发现方法流程图；
图2为图1中步骤S3的具体流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
本发明实施例提供一种基于数据矢量化空间分析的客户关系发现方法，参照图1所示，该方法包括：
S1、矢量化处理客户属性，生成矢量化处理后的客户属性；
该步骤具体包括：矢量化处理所述客户的定质类属性和定量类属性，其中，所述定质类属性用于指示每个所述客户在所述地理空间中所在位置的坐标点，所述坐标点为二维坐标点或三维坐标点，所述定量类属性用于指示以所述坐标点为中心、向不同方向延伸的放射线段。
具体地，按照发现客户关系的主题，客户属性包括定质类属性和定量类属性。其中，客户的定质类属性包括两个或三个参数，分别用于指示该客户在地理空间中所在位置的二维坐标点（x，y）或三维坐标点（x，y，z）；客户的定量类属性的参数个数根据客户关系发现中涉及的客户属性确定，各个定量类属性用于指示以定质类属性的参数确定的坐标点为中心、向不同方向延伸的放射线段，该放射线段的长度由各个定量类属性的数值确定。
通过上述对客户属性的矢量化处理，每个客户均在地理空间中由一个二维坐标点或三维坐标点表示，同时围绕该坐标点的放射线段显示该客户的相关定量类属性。
本发明基于地理信息模型对客户的定质类属性和定量类属性进行矢量化处理，从地理信息模型的视角进行客户属性的表示，从而实现发现客户关系的过程。
S2、根据矢量化处理后的客户属性，客户标注为在地理空间中与客户对应的第一地理空间实体；
该步骤具体包括：连接围绕所述坐标点的相邻的放射线段的端点，生成在地理空间中与所述客户对应的第一地理空间实体，其中，所述第一地理空间实体以所述坐标点为质心。
具体地，为了便于地理空间中的计算，基于矢量化处理后的客户属性，将围绕各个坐标点的相邻的放射线段的端点连接，从而使得每个客户在地理空间中表现为一个与之对应的地理空间实体，记为第一地理空间实体，该第一地理空间实体为以该坐标点为质心的二维面或三维体。
S3、将第一地理空间实体进行聚类分析，生成分类模型；
参照图2所示，该步骤具体包括：
S301、将第一地理空间实体进行地理空间融合处理，聚合生成分类模型；
对每个第一地理空间实体进行地理空间融合处理，即将第一地理空间实体中相交的多个二维面或多个三维体合并为一个二维面或三维体，聚合生成分类模型。
S302、通过增加缓冲区的方式，修正和优化分类模型。
对于聚合生成的分类模型过多的情况，可以通过对每个第一地理空间实体增加缓冲区的方式，扩大聚合范围，减少聚合生成的分类模型的个数，进而修正和优化生成的分类模型。
S4、矢量化处理分类模型的属性，生成矢量化处理后的分类模型属性；
该步骤具体包括：矢量化处理所述分类模型的定质类属性和定量类属性，其中，所述定质类属性用于指示每个所述分类模型在所述地理空间中所在位置的二维面或三维体，所述二维面或三维体通过连接聚合生成所述分类模型的所述第一地理空间的质心形成，所述定量类属性用于指示以所述二维面或三维体的质心为中心、向不同方向延伸的放射线段。
具体地，按照与矢量化处理客户属性相同的方法，对分类模型的属性进行矢量化处理。分类模型的属性包括定质类属性和定量类属性，分类模型的定质类属性的数值的和定量类属性的数值一般是一个取值范围。其中，分类模型的定质类属性为通过连接生成该分类模型的各个第一地理空间的质心形成的二维面或三维体，用于指示该分类模型在地理空间中所在的位置；分类模型的定量类属性用于指示以所述二维面或三维体的质心为中心、向不同方向延伸的放射线段，各个定量类属性的数值体现为该放射线段与该二维面或三维体相交点向外延伸的长度。
通过上述对分类模型的属性的矢量化处理，每个分类模型在地图空间中均由一个二维面或三维体表示，同时围绕该二维面或三维体的放射线段显示该分类模型的相关定量类属性。
S5、根据矢量化处理后的分类模型的属性，分类模型标注为在地理空间中与分类模型对应的第二地理空间实体；
该步骤具体包括：连接围绕所述二维面或三维体的相邻的放射线段的端点，生成在地理空间中与所述分类模型对应的第二地理空间实体，其中，所述第二地理空间实体以所述二维面或三维体为质核。
具体地，为了便于地理空间中的计算，基于矢量化处理后的分类模型的属性，将围绕各个二维面或三维体的相邻的放射线段的端点连接，从而使得每个分类模型在地理空间中表现为一个与之对应的地理空间实体，记为第二地理空间实体，该第二地理空间实体为以该二维面或三维体为质核的二维面或三维体。
S6、根据第一地理空间实体和第二地理空间实体得出客户的分类，发现客户的关系。
该步骤具体包括：通过对所述第一地理空间实体的质心和所述第二地理空间实体的质核进行包容分析，以及对所述第一地理空间实体和所述第二地理空间实体进行相交分析，得出所述客户的分类，发现所述客户的关系，其中所述第一地理空间实体的质心与所述第二地理空间实体的质核之间的距离确定所述客户在所述分类中的级别。
具体地，通过第一地理空间实体的质心和第二地理空间实体的质核的包容分析，以及第一地理空间实体和第二地理空间实体的相交分析，可以对客户进行分类。进一步地，通过计算第一地理空间实体的质心与第二地理空间实体的质核之间的距离，可以定量地确定该客户在该分类中的级别。
需要说明的是，本具体实施方式中没有详细叙述的部分属地理信息技术行业内的公知常用方法，这里不再一一赘述。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1. 一种基于数据矢量化空间分析的客户关系发现方法，其特征在于，所述方法包括：
矢量化处理客户属性，生成矢量化处理后的客户属性；
根据所述矢量化处理后的客户属性，客户标注为在地理空间中与所述客户对应的第一地理空间实体；
将所述第一地理空间实体进行聚类分析，生成分类模型；
矢量化处理所述分类模型的属性，生成矢量化处理后的所述分类模型的属性；
根据所述矢量化处理后的所述分类模型的属性，所述分类模型标注为在地理空间中与所述分类模型对应的第二地理空间实体；
根据所述第一地理空间实体和所述第二地理空间实体得出所述客户的分类，发现所述客户的关系。
2.根据权利要求1所述的方法，其特征在于，所述矢量化处理客户属性，生成矢量化处理后的客户属性包括：
矢量化处理所述客户的定质类属性和定量类属性，其中，所述定质类属性用于指示每个所述客户在所述地理空间中所在位置的坐标点，所述坐标点为二维坐标点或三维坐标点，所述定量类属性用于指示以所述坐标点为中心、向不同方向延伸的放射线段。
3.根据权利要求2所述的方法，其特征在于，所述根据所述矢量化处理后的客户属性，客户标注为在地理空间中与所述客户对应的第一地理空间实体包括：
连接围绕所述坐标点的相邻的放射线段的端点，生成在地理空间中与所述客户对应的第一地理空间实体，其中，所述第一地理空间实体以所述坐标点为质心。
4.根据权利要求3所述的方法，其特征在于，所述将所述第一地理空间实体进行聚类分析，生成分类模型包括：
将所述第一地理空间实体进行地理空间融合处理，聚合生成分类模型；
通过增加缓冲区的方式，修正和优化所述分类模型。
5.根据权利要求4所述的方法，其特征在于，所述矢量化处理所述分类模型的属性，生成矢量化处理后的所述分类模型的属性包括：
矢量化处理所述分类模型的定质类属性和定量类属性，其中，所述定质类属性用于指示每个所述分类模型在所述地理空间中所在位置的二维面或三维体，所述二维面或三维体通过连接聚合生成所述分类模型的所述第一地理空间的质心形成，所述定量类属性用于指示以所述二维面或三维体的质心为中心、向不同方向延伸的放射线段。
6.根据权利要求5所述的方法，其特征在于，所述根据所述矢量化处理后的所述分类模型的属性，所述分类模型标注为在地理空间中与所述分类模型对应的第二地理空间实体包括：
连接围绕所述二维面或三维体的相邻的放射线段的端点，生成在地理空间中与所述分类模型对应的第二地理空间实体，其中，所述第二地理空间实体以所述二维面或三维体为质核。
7.根据权利要求6所述的方法，其特征在于，所述根据所述第一地理空间实体和所述第二地理空间实体得出所述客户的分类，发现所述客户的关系包括：
通过对所述第一地理空间实体的质心和所述第二地理空间实体的质核进行包容分析，以及对所述第一地理空间实体和所述第二地理空间实体进行相交分析，得出所述客户的分类，发现所述客户的关系，其中所述第一地理空间实体的质心与所述第二地理空间实体的质核之间的距离确定所述客户在所述分类中的级别。
CN201410656476.0A 2014-11-18 2014-11-18 一种基于数据矢量化空间分析的客户关系发现方法 Active CN104462239B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410656476.0A CN104462239B (zh) 2014-11-18 2014-11-18 一种基于数据矢量化空间分析的客户关系发现方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410656476.0A CN104462239B (zh) 2014-11-18 2014-11-18 一种基于数据矢量化空间分析的客户关系发现方法

Publications (2)

Publication Number Publication Date
CN104462239A true CN104462239A (zh) 2015-03-25
CN104462239B CN104462239B (zh) 2017-08-25

Family

ID=52908275

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410656476.0A Active CN104462239B (zh) 2014-11-18 2014-11-18 一种基于数据矢量化空间分析的客户关系发现方法

Country Status (1)

Country Link
CN (1) CN104462239B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105279260A (zh) * 2015-10-21 2016-01-27 武汉大学 一种基于空间网格划分的政务大数据挖掘方法
CN105975512A (zh) * 2016-04-28 2016-09-28 浙江大学宁波理工学院 一种顾及空间位置的多维属性可视化广义模型的构建方法
CN113449107A (zh) * 2021-06-29 2021-09-28 金陵科技学院 面向地理大数据的分布式自适应访问控制方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102591966A (zh) * 2011-12-31 2012-07-18 华中科技大学 一种移动场景下的搜索结果过滤方法
CN102612693A (zh) * 2009-06-18 2012-07-25 诺基亚股份有限公司 分类内容的方法及装置
CN102855259A (zh) * 2011-06-30 2013-01-02 Sap股份公司 大规模数据聚类分析的并行化
CN102880719A (zh) * 2012-10-16 2013-01-16 四川大学 基于位置社交网络的用户轨迹相似性挖掘方法
US20140201126A1 (en) * 2012-09-15 2014-07-17 Lotfi A. Zadeh Methods and Systems for Applications for Z-numbers

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102612693A (zh) * 2009-06-18 2012-07-25 诺基亚股份有限公司 分类内容的方法及装置
CN102855259A (zh) * 2011-06-30 2013-01-02 Sap股份公司 大规模数据聚类分析的并行化
CN102591966A (zh) * 2011-12-31 2012-07-18 华中科技大学 一种移动场景下的搜索结果过滤方法
US20140201126A1 (en) * 2012-09-15 2014-07-17 Lotfi A. Zadeh Methods and Systems for Applications for Z-numbers
CN102880719A (zh) * 2012-10-16 2013-01-16 四川大学 基于位置社交网络的用户轨迹相似性挖掘方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
房庆军: "基于空间地理信息系统的客户关系管理研究及应用", 《中国优秀硕士学位论文全文数据库·信息科技辑》 *
高博 等: "模糊聚类在客户关系管理中的应用与研究", 《河南工程学院学报》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105279260A (zh) * 2015-10-21 2016-01-27 武汉大学 一种基于空间网格划分的政务大数据挖掘方法
CN105279260B (zh) * 2015-10-21 2018-08-10 武汉大学 一种基于空间网格划分的政务大数据挖掘方法
CN105975512A (zh) * 2016-04-28 2016-09-28 浙江大学宁波理工学院 一种顾及空间位置的多维属性可视化广义模型的构建方法
CN113449107A (zh) * 2021-06-29 2021-09-28 金陵科技学院 面向地理大数据的分布式自适应访问控制方法
CN113449107B (zh) * 2021-06-29 2022-03-18 金陵科技学院 面向地理大数据的分布式自适应访问控制方法

Also Published As

Publication number Publication date
CN104462239B (zh) 2017-08-25

Similar Documents

Publication Publication Date Title
CN105787486B (zh) 一种基于图像处理的钢梁裂纹检测方法
CN113593030B (zh) 基于三维模型的地质剖面图生成方法、系统、终端及介质
Ückermann et al. Realtime 3D segmentation for human-robot interaction
CN105404690A (zh) 查询数据库的方法和装置
CN105793848A (zh) 包括建模步骤的计算机辅助设计方法
US9886529B2 (en) Methods and systems for feature recognition
CN104462239A (zh) 一种基于数据矢量化空间分析的客户关系发现方法
CN104240251A (zh) 一种基于密度分析的多尺度点云噪声检测方法
CN106126730B (zh) 一种批量生成告警信息的方法及装置
US11086294B2 (en) Combining additive and conventional manufacturing techniques to improve manufacturability
CN104732581A (zh) 基于点特征直方图的移动场景点云精简算法
Rahmani et al. Boundary analysis and geometric completion for recognition of interacting machining features
EP3427163A1 (en) Node-centric analysis of dynamic networks
Lee et al. Generative CAPP through projective feature recognition
CN105404898A (zh) 一种松散型点云数据分割方法和设备
CN104699702A (zh) 数据挖掘及分类方法
US20150269284A1 (en) Intelligent chamfer recognition in cad models
CN104050640A (zh) 一种多视角密集点云数据融合方法
Xu et al. Machining feature recognition from in-process model of NC simulation
CN106934372A (zh) 基于传统vfh描述子加入颜色信息的点云分类方法
CN104794747B (zh) 一种基于射线原理的三维点云数据精简方法
CN104461577A (zh) 一种基于html5图形绘制程序的流程图显示方法
CN104050336A (zh) 基于轨迹相交的三维几何元素约束状态判断方法
WO2023005195A1 (zh) 地图数据的处理方法、装置、家用电器和可读存储介质
CN115578530A (zh) 基于Dynamo创建三维隧道地质模型的方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: 710000 Yanta West Road, Xi'an, Shaanxi Province, No. 6

Patentee after: Telecommunications Science and technology Tenth Research Institute Limited

Address before: 710000 Yanta West Road, Xi'an, Shaanxi Province, No. 6

Patentee before: TELECOMMUNICATION SCIENCE AND TECHNOLOGY NO. 10 RESEARCH INSTITUTE