CN108537654A - 客户关系网络图的渲染方法、装置、终端设备及介质 - Google Patents

Abstract

本发明适用于数据处理技术领域，提供了一种客户关系网络图的渲染方法、装置、终端设备及介质，包括：获取与预先确定的用户相关的客户数据；确定与用户具有最小关联度的第一客户数目；获取最小关联度对应的最大客户数目；若第一客户数目超过最大客户数目，且最小关联度小于预设值，则删除与用户具有最小关联度的各个客户的客户数据，并返回执行获取与用户具有最小关联度的第一客户数目的操作；若第一客户数目未超过最大客户数目，则根据当前获取得到的客户数据，渲染用户对应的客户关系网络图。本发明自动摒弃了关联度较小的节点数据，避免了客户关系网络图中会存在过多节点而导致图层被铺满的现象，因此，提高了客户关系网络的展示效果。

Description

客户关系网络图的渲染方法、装置、终端设备及介质

技术领域

本发明属于数据处理技术领域，尤其涉及一种客户关系网络图的渲染方法、装置、终端设备及介质。

背景技术

在银行的贷款审批过程中，为了让审批人员能够直观地查看贷款申请用户与其他用户之间的关联关系，进而判断出该贷款申请用户是否具备贷款资格，现有技术中，通常都需要预先生成用于表示各个用户之间的交互关系的客户关系网络图。具体地，通过从各个途径收集客户源数据，对其进行分析处理，转换成点和边的数据结构，进而可得到点和边构成的客户关系网络图。

当客户源数据较多时，与同一用户关联的用户数目通常也比较多，现有技术中，与一用户相隔多层交互关系的用户也会标识于客户关系网络图中，因此，客户关系网络图中可能会存在点堆积、图层被铺满的现象，由此导致了贷款审批人员难以从该客户关系网络图中直观地查看出各用户之间的关联关系。因此，现有的客户关系网络展示方式存在展示效果不直观的问题。

发明内容

有鉴于此，本发明实施例提供了一种客户关系网络图的渲染方法、装置、终端设备及介质，以解决现有技术中客户关系网络图的展示效果不直观的问题。

本发明实施例的第一方面提供了一种客户关系网络图的渲染方法，包括：

获取与预先确定的用户相关的客户数据；

对当前获取得到的各项所述客户数据进行分析处理，以确定与所述用户具有最小关联度的第一客户数目；

获取所述最小关联度对应的最大客户数目；

若所述第一客户数目超过所述最大客户数目，且所述最小关联度小于预设值，则删除与所述用户具有所述最小关联度的各个客户的所述客户数据，并返回执行对当前获取得到的各项所述客户数据进行分析处理，以获取与所述用户具有最小关联度的第一客户数目的操作；

若所述第一客户数目未超过所述最大客户数目，则根据当前获取得到的所述客户数据，渲染所述用户对应的客户关系网络图；

其中，以所述客户关系网络图中的每一节点来表示与所述用户具有关联关系的一个客户。

本发明实施例的第二方面提供了一种客户关系网络图的渲染装置，包括：

第一获取单元，用于获取与预先确定的用户相关的客户数据；

分析单元，用于对当前获取得到的各项所述客户数据进行分析处理，以确定与所述用户具有最小关联度的第一客户数目；

第二获取单元，用于获取所述最小关联度对应的最大客户数目；

删除单元，用于若所述第一客户数目超过所述最大客户数目，且所述最小关联度小于预设值，则删除与所述用户具有所述最小关联度的各个客户的所述客户数据，并返回执行对当前获取得到的各项所述客户数据进行分析处理，以获取与所述用户具有最小关联度的第一客户数目的操作；

第一渲染单元，用于若所述第一客户数目未超过所述最大客户数目，则根据当前获取得到的所述客户数据，渲染所述用户对应的客户关系网络图；

其中，以所述客户关系网络图中的每一节点来表示与所述用户具有关联关系的一个客户。

本发明实施例的第三方面提供了一种终端设备，包括存储器以及处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述的客户关系网络图的渲染方法的步骤。

本发明实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的客户关系网络图的渲染方法的步骤。

本发明实施例中，通过预设与用户具有不同关联度的客户的最大客户数目，并根据该最大客户数目以及最小关联度来灵活、自动地删除客户数据，使得基于该客户数据来渲染客户关系网络图后，能够摒弃关联度较小的节点数据，避免了客户关系网络图中会存在节点数目过多以及图层被铺满的现象，保证了贷款审批人员能够直观地从客户关系网络图中获取与贷款申请用户关联度较大的信息，因而提高了客户关系网络的展示效果，且提高了贷款审批人员的工作效率。同时，因客户关系网络图所依赖的客户数据较少，故也减少了在客户关系网络图自动化生成过程中所需的耗时，提高了客户关系网络图的渲染速度，降低了因数据处理量过多而导致系统崩溃的可能性。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术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性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的客户关系网络图的渲染方法的实现流程图；

图2是本发明实施例提供的客户关系网络图的示意图；

图3是本发明另一实施例提供的客户关系网络图的渲染方法的实现流程图；

图4是本发明另一实施例提供的客户关系网络图的渲染方法S106的具体实现流程图；

图5是本发明又一实施例提供的客户关系网络图的渲染方法的实现流程图；

图6是本发明再一实施例提供的客户关系网络图的渲染方法的实现流程图；

图7是本发明再一实施例提供的边长调整后的客户关系网络图的示意图；

图8是本发明实施例提供的客户关系网络图的渲染装置的结构框图；

图9是本发明实施例提供的终端设备的示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。

为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。

图1示出了本发明实施例提供的客户关系网络图的渲染方法的实现流程，该方法流程包括步骤S101至S105。各步骤的具体实现原理如下：

S101：获取与预先确定的用户相关的客户数据。

当接收到贷款审批启动指令时，获取审批人员所输入的贷款申请用户的身份信息，则该贷款申请用户为上述预先确定出的用户，即，预先确定出的用户为当前所需被审核贷款资格的用户。优选地，该用户可以是企业法人，也可以是自然人。

本发明实施例中，客户数据为历史收集得到的多个用户的标签值，包括但不限于用户的唯一标识符、工作单位、年龄、地址、供货商、债权方、债务方以及经营范围等标签的标签值。上述客户数据可从历史贷款申请用户的个人信息中收集，也可从预先对接的其他业务系统的历史订单信息中收集。

本发明实施例中，从获取得到的所有客户数据中，自动筛选出与上述预先确定的用户具有关联关系的部分客户数据。该部分客户数据例如可以是该用户的供货商、债权方或债务方的客户数据。

为了区别于上述不同的用户，本发明的各个实施例中，将上述预先确定的贷款申请用户称为用户，将与该用户具有关联关系的其他用户称为客户。

S102：对当前获取得到的各项所述客户数据进行分析处理，以确定与所述用户具有最小关联度的第一客户数目。

在用户的标签值中，若存在与第一客户的唯一标识符，则该客户与用户存在直接关联关系；当用户的标签值中存在第一客户的唯一标识符，且第一客户的标签值中存在第二客户的唯一标识符时，该第二客户与用户存在间接关联关系。同理，若第二客户的标签值中还存在第三客户的唯一标识符时，该第三客户与用户之间也存在间接关联关系。即，客户的客户同样与预选确定的用户相关联。

当客户与预先确定的用户具有直接关联关系时，该客户与该用户的关联度最大，假设该最大关联度为N(N为大于零的整数)。当客户与预先确定的用户具有间接关联关系时，客户与用户之间每存在一个中间客户，则该客户与用户的关联度减小1，即，该客户的关联度为N-1*k；k为客户与用户之间所存在的中间客户的数目，且k为大于或等于零的整数。

根据获取得到的各个客户的客户数据，自动计算出每一客户与预先确定的用户的关联度之后，确定出其中最小的关联度，并统计具有该最小关联度的客户的总数，则将该总数称为上述第一客户数目。

S103：获取所述最小关联度对应的最大客户数目。

每一个关联度都预设有对应的一个最大客户数目，该最大客户数目具体表示为：在客户关系网络图与该关联度匹配的一个图层中，当该图层具有最佳显示效果时，该图层所允许显示的最大节点数目。

本发明实施例中，读取最小关联度所对应的最大客户数目。

S104：若所述第一客户数目超过所述最大客户数目，且所述最小关联度小于预设值，则删除与所述用户具有所述最小关联度的各个客户的所述客户数据，并返回执行对当前获取得到的各项所述客户数据进行分析处理，以获取与所述用户具有最小关联度的第一客户数目的操作。

将最小关联度所对应的最大客户数目与上述步骤S102所获得的第一客户数目进行对比。若第一客户数目超过最大客户数目，且最小关联度小于预设值，则表示目前具有该最小关联度的客户的数目过多，且在贷款审批流程中的参考价值较低，因此，将与用户具有最小关联度的各个客户的客户数据进行删除处理，以得到更新后的各项客户数据后，返回执行S102。

上述预设值例如可以是预设的最大关联度N，此时表示：当第一客户数目超过最小关联度所对应的最大客户数目时，只要具有最小关联度的客户并非与用户具有直接关联关系，则直接将这部分客户的客户数据进行智能化删除操作。

S105：若所述第一客户数目未超过所述最大客户数目，则根据当前获取得到的所述客户数据，渲染所述用户对应的客户关系网络图。其中，以所述客户关系网络图中的每一节点来表示与所述用户具有关联关系的一个客户。

本发明实施例中，当第一客户数目未超过当前最小关联度所对应的最大客户数目时，根据数目更新后的客户数据，在预设的绘制窗口中生成与用户对应的客户关系网络图。

示例性地，图2示出了本发明实施例提供的客户关系网络图的示意图。在图2中，每一节点表示与预先确定的用户A具有关联关系的一个客户，且具有直接关联关系的两个节点之间以横线相连。可见，客户B与用户A之间不存在任何中间客户，故客户B与用户A具有直接关联关系；客户C以及E均分别与用户A具有间接关联关系。假设客户B与用户A的关联度为5，则由于客户C与用户A之间存在1个中间节点或中间客户，故客户C的关联度为5-1＝4。同理，客户F的关联度为5-2＝3。在图2所示的客户关系网络图中，通过比较各个客户的关联度可知，其最小关联度为3。

特别地，对于一客户来说，根据其与预先确定的用户之间的最小中间客户数目，确定该客户与用户的关联度。例如，在图2中，用户A可通过中间客户D与客户E关联起来，也可以通过中间客户D和G，再与客户E关联起来，由于客户E与用户A之间的最小中间客户数目为1，故将客户E的关联度确定为4而不是3。

本发明实施例中，通过预设与用户具有不同关联度的客户的最大客户数目，并根据该最大客户数目以及最小关联度来灵活、自动地删除客户数据，使得基于该客户数据来渲染客户关系网络图后，能够摒弃关联度较小的节点数据，避免了客户关系网络图中会存在节点数目过多以及图层被铺满的现象，保证了贷款审批人员能够直观地从客户关系网络图中获取与贷款申请用户关联度较大的信息，因而提高了客户关系网络的展示效果，且提高了贷款审批人员的工作效率。同时，因客户关系网络图所依赖的客户数据较少，故也减少了在客户关系网络图自动化生成过程中所需的耗时，提高了客户关系网络图的渲染速度，降低了因数据处理量过多而导致系统崩溃的可能性。

作为本发明的另一实施例，图3示出了本发明另一实施例提供的客户关系网络图的渲染方法的实现流程图。如图3所示，在上一实施例的基础之上，还包括：

S106：若所述第一客户数目超过所述最大客户数目，且所述最小关联度与所述预设值相同，则从当前的各项所述客户数据中，选取不超过所述最大客户数目的多个所述客户的所述客户数据。

本发明实施例中，在上述S103之后，若检测到当前的最小关联度为预设值，则表示具有该最小关联度的客户也具有较高的参考价值。但是，若具有最小关联度的各个客户的总数超过该最小关联度所对应的最大客户数目，则为了避免基于这些客户的客户数据而在客户关系网络图中生成数目过多的节点数目的情况发生，对具有该最小关联度的客户进行筛选，以保证自动筛选得到的客户的数目不超过该最小关联度所对应的最大客户数目。

例如，若当前与用户具有关联关系的客户的最小关联度为5，且最小关联度为5的客户数目为10，关联度“5”所预设的最大客户数目为9，则上述第一客户数目超过最大客户数目的这一条件成立，因此，在具有最小关联度的10个客户中，选取出n位客户，保证选取得到的n小于或等于9。除了选取得到的n位客户之外，将10个客户中的其他客户的客户数据进行删除。

优选地，作为本发明的一个实施例，如图4所示，上述S106具体包括：

S1061：若所述第一客户数目超过所述最大客户数目，且所述最小关联度与所述预设值相同，则在当前的各项所述客户数据中，获取各个所述客户在预设标签上的标签属性，所述标签属性包括正面属性以及负面属性。

根据上述分析可知，客户数据包含客户在多项标签上的标签值，例如供货商、债权方以及债务方等标签。本发明实施例中，以其中的一项标签作为预设标签，根据各个客户在该预设标签上的标签值，确定该客户的标签属性为正面属性还是负面属性。

具体地，对于客户在预设标签上的标签值，判断该标签值是否满足预设的负面条件。若该标签值满足预设的负面条件，则确定客户在预设标签上的标签属性为负面属性；若该标签值不满足预设的负面条件，则确定客户在预设标签上的标签属性为正面属性。

示例性地，若预设标签为逾期还款次数，客户在逾期还款次数这一标签上的标签值为5次，且预设的负面条件为逾期还款次数大于4次，则可确定该客户在逾期还款次数这一预设标签上的标签属性为负面属性。

S1062：确定出所述标签属性为负面属性的第二客户数目。

本发明实施例中，在具有最小关联度的各个客户中，对于相同的一个预设标签，自动识别出标签属性为负面属性的各个客户，并统计识别出的客户的总数，将该数目称为第二客户总数。

判断第二客户总数是否大于该最小关联度所对应的最大客户数目。若判断结果为是，则执行步骤S1063；若判断结果为否，则执行步骤S1064。

S1063：若所述第二客户数目大于所述最大客户数目，则随机选取不超过所述最大客户数目且所述标签属性为负面属性的多个所述客户的所述客户数据。

S1064：若所述第二节点数量小于或等于所述最大客户数目，则选取所述标签属性为负面属性的所述客户数据。

当第二客户数目大于该最小关联度所对应的最大客户数目时，通过预设的随机算法，从具有最小关联度且标签属性为负面属性的各个客户中，选取出多个客户，并读取选取出的每一客户的客户数据。当第二客户数目小于或等于该最小关联度所对应的最大客户数目时，在具有最小关联度的各个客户中，直接读取标签属性为负面属性的所有客户的客户数据。

本发明实施例中，由于标签属性为负面属性的客户对贷款申请用户具有一定的负面影响，例如，若贷款申请用户与一家具有负面属性的企业具有较大的关联度，则该贷款申请用户也可能会具有较高的逾期还款风险，因此，将这些标签属性为负面属性的客户进行选取，使得在后续基于这些客户数据来渲染客户关系网络图时，能够展示出更多参考价值更高的节点，避免因客户数据选取不当而导致贷款申请用户所隐含的负面信息未被挖掘，故也保证了贷款审核人员能够得到更为准确的审核结果。

S107：基于选取出的所述客户数据，渲染所述用户对应的客户关系网络图。

根据上述选取出的客户数据以及根据关联度大于最小关联度的各个客户的客户数据，渲染与用户对应的客户关系网络图。

优选地，对于每一关联度，分别统计具有该关联度的客户数目以及该关联度对应的最大客户数目；若该关联度的客户数目大于该关联度对应的最大客户数目，且该关联度不是最大关联度，则将具有该关联度的部分客户的客户数据进行删除，以保证最终渲染得到的客户关系网络图中，每一关联度所对应的一个图层都不会被数目过多的节点铺满，故提高了展示效果。

本发明实施例中，由于当前的最小关联度已经与预设值相同，而预设值在一定程度上表征了客户数据参考价值的重要程度，因此，即使第一客户数目超过该最小关联度所对应的最大客户数目，也不会对具有该最小关联度的客户的客户数据进行删除处理，而是选取出其中的部分客户数据，保留了具有一定价值的客户数据，故本发明实施例在保证了客户关系网络图不会存在过多的节点数目同时，提高了客户关系网络图的可靠性以及可利用性。

作为本发明的又一实施例，如图5所示，在上述S105或S107之后，还包括：

S108：分别获取每一所述节点在所述预设标签上的标签值。

在生成包含多个节点的客户关系网络图后，当在客户关系网络图中接收到节点选取指令时，展示该节点在预设标签上的标签值。本发明实施例中的预设标签与上述预设标签可以相同也可以不同。例如，此处所选取的预设标签为客户的经营范围时，需要获取每一节点在经营范围这一标签上的标签值。

S109：通过标签传播算法，在各个所述节点之间进行标签传播，以更新所述客户关系网络图。

本发明实施例中，在各个节点之间进行标签传播，以将初始状态下所生成的客户关系网络图进行更新处理，包括：对于每一所述节点，获取其邻居节点的所述标签值；确定出所述邻居节点中相同数目最多的所述标签值；将确定出的所述标签值输出为该节点更新后的所述标签值。

具体地，对于某一个节点，分别读取其所有邻居节点在上述预设标签上的标签值，并进行统计。在该节点的邻居节点上，若存在一标签值的出现次数最多，则将该标签值赋于该节点；若存在多个标签值的出现次数相同，且大于其余邻居节点的标签值的出现次数，则随机选取出现次数相同的任一标签值，以将该标签值赋于当前节点。

逐轮刷新所有节点的标签值，对于每一轮刷新，执行上述对于每一所述节点，获取其邻居节点的所述标签值；确定出所述邻居节点中相同数目最多的所述标签值；将确定出的所述标签值输出为该节点更新后的所述标签值的操作，直至新的一轮刷新时，各个节点的标签值不再发生变化，则结束收敛，完成标签传播过程。

本发明实施例在节点传播的每一步骤中，每个节点根据相邻节点的标签值来更新自己在预设标签上的标签值，标签值相同的邻居节点的数目越多，邻居节点对当前节点的标签值的影响权值越大，相似节点的标签值越趋于一致，其标签值就越容易传播。当迭代过程结束时，相似节点的概率分布也趋于相似，故通过在生成客户关系网络图后，执行标签传播操作，可将相似的节点划分到同一个类别中，从而提高了整个网络连接关系的稳定性。

作为本发明的再一个实施例，如图6所示，在上述S105或S107之后，还包括：

S110：分别获取每一所述节点在所述预设标签上的标签值。

S111：在所述客户关系网络图中，将所述标签值相同的各个所述节点确定为一个社区。

S112：对每一所述社区，计算其包含的各个所述节点的所述标签值与随机因子的和值。

S113：对所述社区内各个所述节点之间的边长进行调整，以使各个所述节点之间的所述边长与所述和值相等。

本发明实施例中，基于标签值相同的节点具有较高的关联度的这一原理，在分别读取每一节点在预设标签上的标签值后，确定出标签值相同的各个节点，以将各个节点的位置进行移动，使得标签值相同的各个节点能够集中显示于客户关系网络图的一子区域。由于标签值相同的节点通常都是具有较多共性的一些团伙、团队，因此，将标签值相同的各个节点输出为一个社区，即，在客户关系网络图的一个预设子区域中，展示一个社区所包含的各个节点。

在一个社区中，读取各个节点的标签值，将其转换为数值形式的参数值。另外，通过预设的随机数生成算法，获取一随机因子。将该随机因子与参数值的和作为该社区中，各个节点之间的目标边长。此时，对社区内各个节点之间的边长进行调整，直至每一边长达到上述目标边长时，停止移动各个节点的位置。

示例性地，图7示出了本发明实施例提供的节点边长调整后的客户关系网络图。可见，图7中，同一社区内，各个节点之间的边长值均相同，不同社区的节点之间的边长值不同，故贷款审批人员可以从客户关系网络图中迅速地确定出社区的数目以及节点之间的关联程度。例如，图7所包含的社区数目为3等。

本发明实施例中，相似节点的概率分布趋于相似，通过将标签值相同的节点划分为一个社区，并统一调整每一社区内各个节点之间的边长，使得更新后的客户关系网络图能够显得更为整洁、规范统一，保证了贷款审批人员在看见客户关系网络图时，能够快速地识别出各节点之前的关联度，避免因边长不一而降低了整个客户关系网络图的可读性。并且，由于同一社区内的各个节点具有较高的关联性，故通过识别出贷款申请用户所属的社区，提高了欺诈团伙的识别速度和识别精准度。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

对应于上文实施例所述的客户购买意向的预测方法，图8示出了本发明实施例提供的客户关系网络图的渲染装置的结构框图。为了便于说明，仅示出了与本实施例相关的部分。

参照图8，该装置包括：

第一获取单元81，用于获取与预先确定的用户相关的客户数据。

分析单元82，用于对当前获取得到的各项所述客户数据进行分析处理，以确定与所述用户具有最小关联度的第一客户数目。

第二获取单元83，用于获取所述最小关联度对应的最大客户数目。

删除单元84，用于若所述第一客户数目超过所述最大客户数目，且所述最小关联度小于预设值，则删除与所述用户具有所述最小关联度的各个客户的所述客户数据，并返回执行对当前获取得到的各项所述客户数据进行分析处理，以获取与所述用户具有最小关联度的第一客户数目的操作。

第一渲染单元85，用于若所述第一客户数目未超过所述最大客户数目，则根据当前获取得到的所述客户数据，渲染所述用户对应的客户关系网络图。

其中，以所述客户关系网络图中的每一节点来表示与所述用户具有关联关系的一个客户。

可选地，所述客户关系网络图的渲染装置还包括：

选取单元，用于若所述第一客户数目超过所述最大客户数目，且所述最小关联度与所述预设值相同，则从当前的各项所述客户数据中，选取不超过所述最大客户数目的多个所述客户的所述客户数据。

第二渲染单元，用于基于选取出的所述客户数据，渲染所述用户对应的客户关系网络图。

可选地，所述选取单元包括：

第一获取子单元，用于若所述第一客户数目超过所述最大客户数目，且所述最小关联度与所述预设值相同，则在当前的各项所述客户数据中，获取各个所述客户在预设标签上的标签属性，所述标签属性包括正面属性以及负面属性。

第一确定子单元，用于确定出所述标签属性为负面属性的第二客户数目。

第一选取子单元，用于若所述第二客户数目大于所述最大客户数目，则随机选取不超过所述最大客户数目且所述标签属性为负面属性的多个所述客户的所述客户数据。

第二选取子单元，用于若所述第二节点数量小于或等于所述最大客户数目，则选取所述标签属性为负面属性的所述客户数据。

可选地，所述客户关系网络图的渲染装置还包括：

第三获取单元，用于分别获取每一所述节点在所述预设标签上的标签值。

标签传播单元，用于通过标签传播算法，在各个所述节点之间进行标签传播，以更新所述客户关系网络图，包括：

第二获取子单元，用于对于每一所述节点，获取其邻居节点的所述标签值。

第二确定子单元，用于确定出所述邻居节点中相同数目最多的所述标签值。

输出子单元，用于将确定出的所述标签值输出为该节点更新后的所述标签值。

可选地，所述客户关系网络图的渲染装置还包括：

第四获取单元，用于分别获取每一所述节点在所述预设标签上的标签值。

确定单元，用于在所述客户关系网络图中，将所述标签值相同的各个所述节点确定为一个社区。

计算单元，用于对每一所述社区，计算其包含的各个所述节点的所述标签值与随机因子的和值。

调整单元，用于对所述社区内各个所述节点之间的边长进行调整，以使各个所述节点之间的所述边长与所述和值相等。

图9是本发明一实施例提供的终端设备的示意图。如图9所示，该实施例的终端设备9包括：处理器90以及存储器91，所述存储器91存在有可在所述处理器90上运行的计算机程序92，例如客户关系网络图的渲染程序。所述处理器90执行所述计算机程序92时实现上述各个客户关系网络图的渲染方法实施例中的步骤，例如图1所示的步骤101至105。或者，所述处理器90执行所述计算机程序92时实现上述各装置实施例中各模块/单元的功能，例如图8所示单元81至85的功能。

示例性的，所述计算机程序92可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器91中，并由所述处理器90执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序92在所述终端设备9中的执行过程。

所述终端设备9可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器90、存储器91。本领域技术人员可以理解，图9仅仅是终端设备9的示例，并不构成对终端设备9的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。

所称处理器90可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器91可以是所述终端设备9的内部存储单元，例如终端设备9的硬盘或内存。所述存储器91也可以是所述终端设备9的外部存储设备，例如所述终端设备9上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器91还可以既包括所述终端设备9的内部存储单元也包括外部存储设备。所述存储器91用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器91还可以用于暂时地存储已经输出或者将要输出的数据。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (10)

1.一种客户关系网络图的渲染方法，其特征在于，包括：

获取与预先确定的用户相关的客户数据；

对当前获取得到的各项所述客户数据进行分析处理，以确定与所述用户具有最小关联度的第一客户数目；

获取所述最小关联度对应的最大客户数目；

若所述第一客户数目超过所述最大客户数目，且所述最小关联度小于预设值，则删除与所述用户具有所述最小关联度的各个客户的所述客户数据，并返回执行对当前获取得到的各项所述客户数据进行分析处理，以获取与所述用户具有最小关联度的第一客户数目的操作；

若所述第一客户数目未超过所述最大客户数目，则根据当前获取得到的所述客户数据，渲染所述用户对应的客户关系网络图；

其中，以所述客户关系网络图中的每一节点来表示与所述用户具有关联关系的一个客户。

2.如权利要求1所述的客户关系网络图的渲染方法，其特征在于，还包括：

若所述第一客户数目超过所述最大客户数目，且所述最小关联度与所述预设值相同，则从当前的各项所述客户数据中，选取不超过所述最大客户数目的多个所述客户的所述客户数据；

基于选取出的所述客户数据，渲染所述用户对应的客户关系网络图。

3.如权利要求2所述的客户关系网络图的渲染方法，其特征在于，所述若所述第一客户数目超过所述最大客户数目，且所述最小关联度与预设值相同，则从当前的各项所述客户数据中，选取不超过所述最大客户数目的多个所述客户的所述客户数据，包括：

若所述第一客户数目超过所述最大客户数目，且所述最小关联度与所述预设值相同，则在当前的各项所述客户数据中，获取各个所述客户在预设标签上的标签属性，所述标签属性包括正面属性以及负面属性；

确定出所述标签属性为负面属性的第二客户数目；

若所述第二客户数目大于所述最大客户数目，则随机选取不超过所述最大客户数目且所述标签属性为负面属性的多个所述客户的所述客户数据；

若所述第二节点数量小于或等于所述最大客户数目，则选取所述标签属性为负面属性的所述客户数据。

4.如权利要求3所述的客户关系网络图的渲染方法，其特征在于，在所述渲染所述用户对应的客户关系网络图之后，还包括：

分别获取每一所述节点在所述预设标签上的标签值；

通过标签传播算法，在各个所述节点之间进行标签传播，以更新所述客户关系网络图，包括：

对于每一所述节点，获取其邻居节点的所述标签值；

确定出所述邻居节点中相同数目最多的所述标签值；

将确定出的所述标签值输出为该节点更新后的所述标签值。

5.如权利要求3所述的客户关系网络图的渲染方法，其特征在于，在所述渲染所述用户对应的客户关系网络图之后，还包括：

分别获取每一所述节点在所述预设标签上的标签值；

在所述客户关系网络图中，将所述标签值相同的各个所述节点确定为一个社区；

对每一所述社区，计算其包含的各个所述节点的所述标签值与随机因子的和值；

对所述社区内各个所述节点之间的边长进行调整，以使各个所述节点之间的所述边长与所述和值相等。

6.一种终端设备，包括存储器以及处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如下步骤：

获取与预先确定的用户相关的客户数据；

对当前获取得到的各项所述客户数据进行分析处理，以确定与所述用户具有最小关联度的第一客户数目；

获取所述最小关联度对应的最大客户数目；

若所述第一客户数目超过所述最大客户数目，且所述最小关联度小于预设值，则删除与所述用户具有所述最小关联度的各个客户的所述客户数据，并返回执行对当前获取得到的各项所述客户数据进行分析处理，以获取与所述用户具有最小关联度的第一客户数目的操作；

若所述第一客户数目未超过所述最大客户数目，则根据当前获取得到的所述客户数据，渲染所述用户对应的客户关系网络图；

其中，以所述客户关系网络图中的每一节点来表示与所述用户具有关联关系的一个客户。

7.如权利要求6所述的终端设备，其特征在于，所述处理器执行所述计算机程序时，还实现如下步骤：

若所述第一客户数目超过所述最大客户数目，且所述最小关联度与所述预设值相同，则从当前的各项所述客户数据中，选取不超过所述最大客户数目的多个所述客户的所述客户数据；

基于选取出的所述客户数据，渲染所述用户对应的客户关系网络图。

8.如权利要求7所述的终端设备，其特征在于，所述若所述第一客户数目超过所述最大客户数目，且所述最小关联度与预设值相同，则从当前的各项所述客户数据中，选取不超过所述最大客户数目的多个所述客户的所述客户数据，包括：

若所述第一客户数目超过所述最大客户数目，且所述最小关联度与所述预设值相同，则在当前的各项所述客户数据中，获取各个所述客户在预设标签上的标签属性，所述标签属性包括正面属性以及负面属性；

确定出所述标签属性为负面属性的第二客户数目；

若所述第二客户数目大于所述最大客户数目，则随机选取不超过所述最大客户数目且所述标签属性为负面属性的多个所述客户的所述客户数据；

若所述第二节点数量小于或等于所述最大客户数目，则选取所述标签属性为负面属性的所述客户数据。

9.如权利要求8所述的终端设备，其特征在于，所述处理器执行所述计算机程序时，还实现如下步骤：

分别获取每一所述节点在所述预设标签上的标签值；

通过标签传播算法，在各个所述节点之间进行标签传播，以更新所述客户关系网络图，包括：

对于每一所述节点，获取其邻居节点的所述标签值；

确定出所述邻居节点中相同数目最多的所述标签值；

将确定出的所述标签值输出为该节点更新后的所述标签值。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述方法的步骤。