CN117312653A - 服务策略确定方法、装置、计算机设备和存储介质 - Google Patents

服务策略确定方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN117312653A
CN117312653A CN202311050283.6A CN202311050283A CN117312653A CN 117312653 A CN117312653 A CN 117312653A CN 202311050283 A CN202311050283 A CN 202311050283A CN 117312653 A CN117312653 A CN 117312653A
Authority
CN
China
Prior art keywords
target cluster
data
service
target
user
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.)
Pending
Application number
CN202311050283.6A
Other languages
English (en)
Inventor
张琳一
师慧
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.)
Bank of China Ltd
Original Assignee
Bank of China Ltd
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 Bank of China Ltd filed Critical Bank of China Ltd
Priority to CN202311050283.6A priority Critical patent/CN117312653A/zh
Publication of CN117312653A publication Critical patent/CN117312653A/zh
Pending legal-status Critical Current

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
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G06F16/2282—Tablespace storage structures; Management thereof
    • 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
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Evolutionary Biology (AREA)
  • Accounting & Taxation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Quality & Reliability (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Finance (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Technology Law (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请涉及一种服务策略确定方法、装置、计算机设备和存储介质。该方法包含：根据样本用户的历史服务数据和用户信用数据，对样本用户进行聚类，得到至少一个目标簇；根据各目标簇的中心服务数据与服务数据阈值之间的关系，以及各目标簇的中心信用数据与信用数据阈值之间的关系，确定各个目标簇对应的用户类型；根据各个目标簇对应的用户类型，确定为各个目标簇中样本用户提供的服务策略。通过上述方法可以针对不同用户类型的用户分别提供不同的服务策略，使得提供的服务策略可以满足用户的个性化需求。

Description

服务策略确定方法、装置、计算机设备和存储介质
技术领域
本申请涉及大数据技术领域，特别是涉及一种服务策略确定方法、装置、计算机设备和存储介质。
背景技术
当前金融机构的用户种类繁多，不同用户的消费偏好也不同，目前金融机构通常是对所有用户提供统一的服务策略，但统一的服务策略已经无法满足所有用户的个性化需求，因此，急需一种能够对不同种类的用户分别制定不同服务策略的方法。
发明内容
基于此，有必要针对上述技术问题，提供一种能够针对不同用户指定不同服务策略的服务策略确定方法、装置、计算机设备和存储介质。
第一方面，本申请提供了一种服务策略确定方法。该方法包含：
根据样本用户的历史服务数据和用户信用数据，对所述样本用户进行聚类，得到至少一个目标簇；
根据各目标簇的中心服务数据与服务数据阈值之间的关系，以及各目标簇的中心信用数据与信用数据阈值之间的关系，确定各个目标簇对应的用户类型；
根据各个目标簇对应的用户类型，确定为所述各个目标簇中样本用户提供的服务策略。
在其中一个实施例中，所述根据各目标簇的中心服务数据与服务数据阈值之间的关系，以及各目标簇的中心信用数据与信用数据阈值之间的关系，确定各个目标簇对应的用户类型，包括：
针对每一目标簇，根据该目标簇的中心服务数据与服务数据阈值之间的关系，以及该目标簇的中心信用数据与信用数据阈值之间的关系，确定所述中心服务数据和所述中心信用数据中是否存在小于对应阈值的目标数据；其中，所述中心服务数据的对应阈值为服务数据阈值，所述中心信用数据的对应阈值为信用数据阈值；
若存在，则根据所述目标数据，确定该目标簇对应的用户类型；
若不存在，则确定该目标簇对应的用户类型为活跃用户。
在其中一个实施例中，若存在，则根据所述目标数据，确定该目标簇对应的用户类型，包括：
若存在，且目标数据的数量为多个，则根据每一目标数据，确定该目标簇对应的每一子类型；
根据该目标簇对应的每一子类型，确定该目标簇对应的用户类型。
在其中一个实施例中，所述历史服务数据包括：最后一次服务时间、历史服务频率和历史服务消费资产；若所述目标数据包括最后一次服务时间，则目标簇的子类型包括高间隔用户；若所述目标数据包括历史服务频率，则目标簇的子类型包括低频率用户；若所述目标数据包括历史服务消费资产，则目标簇的子类型包括低消费用户；若所述目标数据包括中心信用数据，则目标簇的子类型包括低信用用户。
在其中一个实施例中，所述根据各个目标簇对应的用户类型，确定为所述各个目标簇中样本用户提供的服务策略，包括：
针对每一目标簇，为该目标簇对应的用户类型中的每一子类型确定子服务策略；
根据确定的各子服务策略，确定该目标簇中样本用户提供的服务策略。
在其中一个实施例中，所述根据样本用户的历史服务数据和用户信用数据，对所述样本用户进行聚类之前，还包括：
获取样本用户的原始服务数据和原始信用数据；
对所述原始服务数据和原始信用数据进行预处理，得到样本用户的历史服务数据和用户信用数据；
其中，所述预处理包括缺失值补充处理，和/或异常值剔除处理。
第二方面，本申请还提供了一种服务策略确定装置。该装置包含：
目标确定模块，用于根据样本用户的历史服务数据和用户信用数据，对所述样本用户进行聚类，得到至少一个目标簇；
类型确定模块，用于根据各目标簇的中心服务数据与服务数据阈值之间的关系，以及各目标簇的中心信用数据与信用数据阈值之间的关系，确定各个目标簇对应的用户类型；
策略确定模块，用于根据各个目标簇对应的用户类型，确定为所述各个目标簇中样本用户提供的服务策略。
第三方面，本申请还提供了一种计算机设备。计算机设备包含存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现以下步骤：
根据样本用户的历史服务数据和用户信用数据，对所述样本用户进行聚类，得到至少一个目标簇；
根据各目标簇的中心服务数据与服务数据阈值之间的关系，以及各目标簇的中心信用数据与信用数据阈值之间的关系，确定各个目标簇对应的用户类型；
根据各个目标簇对应的用户类型，确定为所述各个目标簇中样本用户提供的服务策略。
第四方面，本申请还提供了一种计算机可读存储介质。计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
根据样本用户的历史服务数据和用户信用数据，对所述样本用户进行聚类，得到至少一个目标簇；
根据各目标簇的中心服务数据与服务数据阈值之间的关系，以及各目标簇的中心信用数据与信用数据阈值之间的关系，确定各个目标簇对应的用户类型；
根据各个目标簇对应的用户类型，确定为所述各个目标簇中样本用户提供的服务策略。
第五方面，本申请还提供了一种计算机程序产品。计算机程序产品，包含计算机程序，该计算机程序被处理器执行时实现以下步骤：
根据样本用户的历史服务数据和用户信用数据，对所述样本用户进行聚类，得到至少一个目标簇；
根据各目标簇的中心服务数据与服务数据阈值之间的关系，以及各目标簇的中心信用数据与信用数据阈值之间的关系，确定各个目标簇对应的用户类型；
根据各个目标簇对应的用户类型，确定为所述各个目标簇中样本用户提供的服务策略。
上述服务策略确定方法、装置、计算机设备和存储介质。根据样本用户的历史服务数据和用户信用数据，对样本用户进行聚类，得到多个目标簇，并根据各目标簇的中心服务数据与服务数据阈值之间的关系，确定每个目标簇对应的用户类型，从而对各目标簇中的样本用户提供对应的服务策略，上述方法相比现有的统一提供服务策略的方法，能够针对不同用户类型的用户分别提供不同的服务策略，使得提供的服务策略可以满足用户的个性化需求。
附图说明
图1为一个实施例中服务策略确定方法的应用环境图；
图2为一个实施例中服务策略确定方法的流程示意图；
图3为一个实施例中确定各目标簇对应服务策略的流程示意图；
图4为另一个实施例中服务策略确定方法的流程示意图；
图5为一个实施例中服务策略确定装置的结构框图；
图6为另一个实施例中服务策略确定装置的结构框图；
图7为又一个实施例中服务策略确定装置的结构框图；
图8为再一个实施例中服务策略确定装置的结构框图；
图9为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请实施例提供的服务策略确定方法，可以应用于如图1所示的应用环境中。在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图1所示。该计算机设备包含通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包含非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储做相关处理时所需的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现下述任意实施例所示的服务策略确定方法。
在一个实施例中，如图2所示，提供了一种服务策略确定方法，以该方法应用于图1中的计算机设备为例进行说明，包含以下步骤：
S201，根据样本用户的历史服务数据和用户信用数据，对所述样本用户进行聚类，得到至少一个目标簇。
其中，历史服务数据为样本用户在历史时段的服务数据，例如，历史服务数据可以为最后一次服务时间、历史服务频率和历史服务消费资产；用户信用数据为样本用户的信用指数数据。
可选的，按照金融机构预设的聚类参数，训练得到样本用户聚类模型，将样本用户的历史服务数据和用户信用数据输入至样本用户聚类模型中，样本用户聚类模型会输入至少一个目标簇，从而完成对样本用户的聚类。
可选的，还可以利用k-means聚类法对样本用户进行聚类，先确定历史服务数据和用户信用数据的词向量；基于至少一个初始簇中心，根据各词向量，对所述用户进行聚类，得到各初始簇中心对应的初始簇；根据各初始簇中所包含的词向量，确定各初始簇对应的目标簇中心；判断是否存在任一初始簇的初始簇中心与目标簇中心不一致；若是，则将各目标簇中心作为新的初始簇中心，并返回执行基于至少两个初始簇中心，根据各词向量，对所述用户进行聚类，得到各初始簇中心对应的初始簇的操作；若否，则将各初始簇，作为对名称数据的目标簇。
示例性的，根据样本用户种类数(例如k种，为了方便解释，本实施中均以k种为例，其中k不小于2)，选取k个词向量作为k个初始簇中心；针对每一个词向量，都计算其到这k个初始簇中心的距离，得到k个距离数值，对得到的k个距离数值进行比较，并将该词向量归类至最小的距离对应的初始簇中心所在的初始簇中，同样的方法，对所有的词向量进行归类，得到k个初始簇；根据初始簇中各名称数据的词向量，将各个词向量两两连接起来，构成一个多边形，利用解析几何计算该多边形的中心点，即为各个初始标簇的中心点，并将其作为初始标簇的目标簇中心，并判断是否存在任一初始簇的初始簇中心与目标簇中心不一致，若否，k个初始簇作为目标簇，若是，则将目标簇中心作为初始簇中心，返回执行基于至少两个初始簇中心，根据各词向量，对样本用户进行聚类，得到各初始簇中心对应的初始簇的操作，直至所有目标簇中心都与初始簇中心的位置重合，上述得到各初始簇中心对应的初始簇过程已在前文中详细阐述，此处不再赘述。
S202，根据各目标簇的中心服务数据与服务数据阈值之间的关系，以及各目标簇的中心信用数据与信用数据阈值之间的关系，确定各个目标簇对应的用户类型。
其中，中心服务数据为目标簇的簇中心对应的服务数据，中心服务数据可以为初始簇中心对应的服务数据，也可以为目标簇中心对应的服务数据，优选为目标簇中心对应的服务数据；中心信用数据为目标簇的簇中心对应的信用数据，中心信用数据可以为初始簇中心对应的信用数据，也可以为目标簇中心对应的信用数据，优选为目标簇中心对应的信用数据。
可选的，若目标簇的中心服务数据小于服务数据阈值，且目标簇的中心信用数据小于信用数据阈值，则确定各目标簇对应的用户类型为第一类型；若目标簇的中心服务数据不小于服务数据阈值，且目标簇的中心信用数据小于信用数据阈值，则确定各目标簇对应的用户类型为第二类型；若目标簇的中心服务数据小于服务数据阈值，且目标簇的中心信用数据不小于信用数据阈值，则确定各目标簇对应的用户类型为第三类型；若目标簇的中心服务数据不小于服务数据阈值，且目标簇的中心信用数据不小于信用数据阈值，则确定各目标簇对应的用户类型为第四类型。
可选的，针对每一目标簇，根据该目标簇的中心服务数据与服务数据阈值之间的关系，以及该目标簇的中心信用数据与信用数据阈值之间的关系，确定所述中心服务数据和所述中心信用数据中是否存在小于对应阈值的目标数据；其中，所述中心服务数据的对应阈值为服务数据阈值，所述中心信用数据的对应阈值为信用数据阈值；若存在，则根据所述目标数据，确定该目标簇对应的用户类型；若不存在，则确定该目标簇对应的用户类型为活跃用户。
具体的，根据所述目标数据，确定该目标簇对应的用户类型的方法可以是，若目标数据的数量为多个，则根据每一目标数据，确定该目标簇对应的每一子类型；根据该目标簇对应的每一子类型，确定该目标簇对应的用户类型。若目标数据的数量为一个，则根据该目标数据，确定该目标簇对应的子类型，并直接将该子类型作为目标簇对应的用户类型。
其中，所述历史服务数据包括：最后一次服务时间、历史服务频率和历史服务消费资产。
具体的，若所述目标数据包括最后一次服务时间，则目标簇的子类型包括高间隔用户；若所述目标数据包括历史服务频率，则目标簇的子类型包括低频率用户；若所述目标数据包括历史服务消费资产，则目标簇的子类型包括低消费用户；若所述目标数据包括中心信用数据，则目标簇的子类型包括低信用用户。
其中，高间隔用户为最后一次服务时间距离当前时间较长的用户；低频率用户为固定时间段内服务频率较低的用户；低消费用户为固定时间段内消费资源较低的用户，低信用用户为信用指数较低的用户。
示例性的，若目标数据包括最后一次服务时间和历史服务频率，则确定目标簇的子类型包括高间隔用户和低频率用户，即可确定目标簇对应的用户类型为高间隔且低频率用户。
S203，根据各个目标簇对应的用户类型，确定为所述各个目标簇中样本用户提供的服务策略。
具体的，针对不同的用户类型，预先制定不同的服务策略，并根据用户类型与服务策略的关系制作关系映射表，当确定目标簇对应的用户类型后，即可根据查找的方式，确定目标簇对应的服务策略，即确定了为所述各个目标簇中样本用户提供的服务策略。
示例性的，可以为低信用用户制定信贷门槛较高的服务策略，当确定目标簇对应的于用户类型为低信用用户时，则确定为目标簇中样本用户提供的服务策略为信贷门槛较高的服务策略。
上述实施例中，根据样本用户的历史服务数据和用户信用数据，对样本用户进行聚类，得到多个目标簇，并根据各目标簇的中心服务数据与服务数据阈值之间的关系，确定每个目标簇对应的用户类型，从而对各目标簇中的样本用户提供对应的服务策略，上述方法相比现有的统一提供服务策略的方法，能够针对不同用户类型的用户分别提供不同的服务策略，使得提供的服务策略可以满足用户的个性化需求。
上述实施例从整体讲述了如何确定为所述各个目标簇中样本用户提供的服务策略，而在本实施例中，如图3所示，详细阐述了根据各个目标簇对应的用户类型，确定为所述各个目标簇中样本用户提供的服务策略的具体方法，包括：
S301，针对每一目标簇，为该目标簇对应的用户类型中的每一子类型确定子服务策略。
具体的，预先制定用户类型中的每一子类型对应的子服务策略，并制作子类型与子服务策略之间的关系映射表，当确定目标簇对应的子类型后，可根据查表的方式确定目标簇对应的子服务策略。
S302，根据确定的各子服务策略，确定该目标簇中样本用户提供的服务策略。
具体的，可以将各自服务策略共同作为为提供该目标簇中样本用户提供的服务策略。
示例性的，可以为低信用用户制定信贷门槛较高的服务策略，为高间隔用户制定促销服务策略，当目标簇对应的子类型为低信用用户和高间隔用户，则其对应的子服务策略为信贷门槛较高的服务策略和促销服务策略，可直接将贷门槛较高的服务策略和促销服务策略共同作为提供该目标簇中样本用户提供的服务策略。
上述实施例中，先确定目标簇中每一子类型对应的子服务策略，再根据各子服务策略确定目标簇对应的服务策略，提高了确定目标簇对应的服务策略的准确性。
为了更全面的展示本方案，本实施例给出了一种服务策略确定方法的可选方式，如图4所示：
S401，获取样本用户的原始服务数据和原始信用数据。
S402，对所述原始服务数据和原始信用数据进行预处理，得到样本用户的历史服务数据和用户信用数据。
其中，所述预处理包括缺失值补充处理，和/或异常值剔除处理。
S403，根据样本用户的历史服务数据和用户信用数据，对所述样本用户进行聚类，得到至少一个目标簇。
S404，针对每一目标簇，根据该目标簇的中心服务数据与服务数据阈值之间的关系，以及该目标簇的中心信用数据与信用数据阈值之间的关系，确定所述中心服务数据和所述中心信用数据中是否存在小于对应阈值的目标数据。
其中，所述中心服务数据的对应阈值为服务数据阈值，所述中心信用数据的对应阈值为信用数据阈值。
S405，若存在，且目标数据的数量为多个，则根据每一目标数据，确定该目标簇对应的每一子类型。
所述历史服务数据包括：最后一次服务时间、历史服务频率和历史服务消费资产；若所述目标数据包括最后一次服务时间，则目标簇的子类型包括高间隔用户；若所述目标数据包括历史服务频率，则目标簇的子类型包括低频率用户；若所述目标数据包括历史服务消费资产，则目标簇的子类型包括低消费用户；若所述目标数据包括中心信用数据，则目标簇的子类型包括低信用用户。
S406，根据该目标簇对应的每一子类型，确定该目标簇对应的用户类型。
S407，若不存在，则确定该目标簇对应的用户类型为活跃用户。
S408，针对每一目标簇，为该目标簇对应的用户类型中的每一子类型确定子服务策略。
S409，根据确定的各子服务策略，确定该目标簇中样本用户提供的服务策略。
上述S401-S409的具体过程可以参见上述方法实施例的描述，其实现原理和技术效果类似，在此不再赘述。
应该理解的是，虽然如上的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上的各实施例所涉及的流程图中的至少一部分步骤可以包含多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的服务策略确定方法的服务策略确定装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个服务策略确定装置实施例中的具体限定可以参见上文中对于服务策略确定方法的限定，在此不再赘述。
在一个实施例中，如图5所示，提供了一种服务策略确定装置5，包含：目标确定模块50、类型确定模块51和策略确定模块52，其中：
目标确定模块50，用于根据样本用户的历史服务数据和用户信用数据，对所述样本用户进行聚类，得到至少一个目标簇；
类型确定模块51，用于根据各目标簇的中心服务数据与服务数据阈值之间的关系，以及各目标簇的中心信用数据与信用数据阈值之间的关系，确定各个目标簇对应的用户类型；
策略确定模块52，用于根据各个目标簇对应的用户类型，确定为所述各个目标簇中样本用户提供的服务策略。
在另一个实施例中，如图6所示，上述图5中的类型确定模块51，包括：
数值比较单元510，用于针对每一目标簇，根据该目标簇的中心服务数据与服务数据阈值之间的关系，以及该目标簇的中心信用数据与信用数据阈值之间的关系，确定所述中心服务数据和所述中心信用数据中是否存在小于对应阈值的目标数据；其中，所述中心服务数据的对应阈值为服务数据阈值，所述中心信用数据的对应阈值为信用数据阈值；
第一确定单元511，用于若存在，则根据所述目标数据，确定该目标簇对应的用户类型；
第二确定单元512，用于若不存在，则确定该目标簇对应的用户类型为活跃用户。
在另一个实施例中，上述图6中的第一确定单元511，包括：
第一确定子单元，用于若存在，且目标数据的数量为多个，则根据每一目标数据，确定该目标簇对应的每一子类型；
第二确定子单元，用于根据该目标簇对应的每一子类型，确定该目标簇对应的用户类型。
在另一个实施例中，历史服务数据包括：最后一次服务时间、历史服务频率和历史服务消费资产；若所述目标数据包括最后一次服务时间，则目标簇的子类型包括高间隔用户；若所述目标数据包括历史服务频率，则目标簇的子类型包括低频率用户；若所述目标数据包括历史服务消费资产，则目标簇的子类型包括低消费用户；若所述目标数据包括中心信用数据，则目标簇的子类型包括低信用用户。
在另一个实施例中，如图7所示，上述图5中的策略确定模块52，包括：
第一策略单元520，用于针对每一目标簇，为该目标簇对应的用户类型中的每一子类型确定子服务策略；
策略确定单元521，用于根据确定的各子服务策略，确定该目标簇中样本用户提供的服务策略。
在另一个实施例中，如图8所示，上述图5中的服务策略确定装置5还包括：
数据获取模块53，用于获取样本用户的原始服务数据和原始信用数据；
数据处理模块54，用于对所述原始服务数据和原始信用数据进行预处理，得到样本用户的历史服务数据和用户信用数据；
其中，所述预处理包括缺失值补充处理，和/或异常值剔除处理。
上述服务策略确定装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图9所示。该计算机设备包含处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包含非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种服务策略确定方法。该计算机设备的显示单元用于形成视觉可见的画面，可以是显示屏、投影装置或虚拟现实成像装置。显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图9中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包含比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包含存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
根据样本用户的历史服务数据和用户信用数据，对所述样本用户进行聚类，得到至少一个目标簇；
根据各目标簇的中心服务数据与服务数据阈值之间的关系，以及各目标簇的中心信用数据与信用数据阈值之间的关系，确定各个目标簇对应的用户类型；
根据各个目标簇对应的用户类型，确定为所述各个目标簇中样本用户提供的服务策略。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
针对每一目标簇，根据该目标簇的中心服务数据与服务数据阈值之间的关系，以及该目标簇的中心信用数据与信用数据阈值之间的关系，确定所述中心服务数据和所述中心信用数据中是否存在小于对应阈值的目标数据；其中，所述中心服务数据的对应阈值为服务数据阈值，所述中心信用数据的对应阈值为信用数据阈值；若存在，则根据所述目标数据，确定该目标簇对应的用户类型；若不存在，则确定该目标簇对应的用户类型为活跃用户。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
若存在，且目标数据的数量为多个，则根据每一目标数据，确定该目标簇对应的每一子类型；根据该目标簇对应的每一子类型，确定该目标簇对应的用户类型。
在一个实施例中，历史服务数据包括：最后一次服务时间、历史服务频率和历史服务消费资产；若所述目标数据包括最后一次服务时间，则目标簇的子类型包括高间隔用户；若所述目标数据包括历史服务频率，则目标簇的子类型包括低频率用户；若所述目标数据包括历史服务消费资产，则目标簇的子类型包括低消费用户；若所述目标数据包括中心信用数据，则目标簇的子类型包括低信用用户。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
针对每一目标簇，为该目标簇对应的用户类型中的每一子类型确定子服务策略；根据确定的各子服务策略，确定该目标簇中样本用户提供的服务策略。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
获取样本用户的原始服务数据和原始信用数据；对所述原始服务数据和原始信用数据进行预处理，得到样本用户的历史服务数据和用户信用数据；其中，所述预处理包括缺失值补充处理，和/或异常值剔除处理。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
根据样本用户的历史服务数据和用户信用数据，对所述样本用户进行聚类，得到至少一个目标簇；
根据各目标簇的中心服务数据与服务数据阈值之间的关系，以及各目标簇的中心信用数据与信用数据阈值之间的关系，确定各个目标簇对应的用户类型；
根据各个目标簇对应的用户类型，确定为所述各个目标簇中样本用户提供的服务策略。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
针对每一目标簇，根据该目标簇的中心服务数据与服务数据阈值之间的关系，以及该目标簇的中心信用数据与信用数据阈值之间的关系，确定所述中心服务数据和所述中心信用数据中是否存在小于对应阈值的目标数据；其中，所述中心服务数据的对应阈值为服务数据阈值，所述中心信用数据的对应阈值为信用数据阈值；若存在，则根据所述目标数据，确定该目标簇对应的用户类型；若不存在，则确定该目标簇对应的用户类型为活跃用户。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
若存在，且目标数据的数量为多个，则根据每一目标数据，确定该目标簇对应的每一子类型；根据该目标簇对应的每一子类型，确定该目标簇对应的用户类型。
在一个实施例中，历史服务数据包括：最后一次服务时间、历史服务频率和历史服务消费资产；若所述目标数据包括最后一次服务时间，则目标簇的子类型包括高间隔用户；若所述目标数据包括历史服务频率，则目标簇的子类型包括低频率用户；若所述目标数据包括历史服务消费资产，则目标簇的子类型包括低消费用户；若所述目标数据包括中心信用数据，则目标簇的子类型包括低信用用户。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
针对每一目标簇，为该目标簇对应的用户类型中的每一子类型确定子服务策略；根据确定的各子服务策略，确定该目标簇中样本用户提供的服务策略。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取样本用户的原始服务数据和原始信用数据；对所述原始服务数据和原始信用数据进行预处理，得到样本用户的历史服务数据和用户信用数据；其中，所述预处理包括缺失值补充处理，和/或异常值剔除处理。
在一个实施例中，提供了一种计算机程序产品，包含计算机程序，该计算机程序被处理器执行时实现以下步骤：
根据样本用户的历史服务数据和用户信用数据，对所述样本用户进行聚类，得到至少一个目标簇；
根据各目标簇的中心服务数据与服务数据阈值之间的关系，以及各目标簇的中心信用数据与信用数据阈值之间的关系，确定各个目标簇对应的用户类型；
根据各个目标簇对应的用户类型，确定为所述各个目标簇中样本用户提供的服务策略。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
针对每一目标簇，根据该目标簇的中心服务数据与服务数据阈值之间的关系，以及该目标簇的中心信用数据与信用数据阈值之间的关系，确定所述中心服务数据和所述中心信用数据中是否存在小于对应阈值的目标数据；其中，所述中心服务数据的对应阈值为服务数据阈值，所述中心信用数据的对应阈值为信用数据阈值；若存在，则根据所述目标数据，确定该目标簇对应的用户类型；若不存在，则确定该目标簇对应的用户类型为活跃用户。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
若存在，且目标数据的数量为多个，则根据每一目标数据，确定该目标簇对应的每一子类型；根据该目标簇对应的每一子类型，确定该目标簇对应的用户类型。
在一个实施例中，历史服务数据包括：最后一次服务时间、历史服务频率和历史服务消费资产；若所述目标数据包括最后一次服务时间，则目标簇的子类型包括高间隔用户；若所述目标数据包括历史服务频率，则目标簇的子类型包括低频率用户；若所述目标数据包括历史服务消费资产，则目标簇的子类型包括低消费用户；若所述目标数据包括中心信用数据，则目标簇的子类型包括低信用用户。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
针对每一目标簇，为该目标簇对应的用户类型中的每一子类型确定子服务策略；根据确定的各子服务策略，确定该目标簇中样本用户提供的服务策略。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取样本用户的原始服务数据和原始信用数据；对所述原始服务数据和原始信用数据进行预处理，得到样本用户的历史服务数据和用户信用数据；其中，所述预处理包括缺失值补充处理，和/或异常值剔除处理。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包含如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包含非易失性和易失性存储器中的至少一种。非易失性存储器可包含只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包含随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包含关系型数据库和非关系型数据库中至少一种。非关系型数据库可包含基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (10)

1.一种服务策略确定方法，其特征在于，所述方法包括：
根据样本用户的历史服务数据和用户信用数据，对所述样本用户进行聚类，得到至少一个目标簇；
根据各目标簇的中心服务数据与服务数据阈值之间的关系，以及各目标簇的中心信用数据与信用数据阈值之间的关系，确定各个目标簇对应的用户类型；
根据各个目标簇对应的用户类型，确定为所述各个目标簇中样本用户提供的服务策略。
2.根据权利要求1所述的方法，其特征在于，所述根据各目标簇的中心服务数据与服务数据阈值之间的关系，以及各目标簇的中心信用数据与信用数据阈值之间的关系，确定各个目标簇对应的用户类型，包括：
针对每一目标簇，根据该目标簇的中心服务数据与服务数据阈值之间的关系，以及该目标簇的中心信用数据与信用数据阈值之间的关系，确定所述中心服务数据和所述中心信用数据中是否存在小于对应阈值的目标数据；其中，所述中心服务数据的对应阈值为服务数据阈值，所述中心信用数据的对应阈值为信用数据阈值；
若存在，则根据所述目标数据，确定该目标簇对应的用户类型；
若不存在，则确定该目标簇对应的用户类型为活跃用户。
3.根据权利要求2所述的方法，其特征在于，若存在，则根据所述目标数据，确定该目标簇对应的用户类型，包括：
若存在，且目标数据的数量为多个，则根据每一目标数据，确定该目标簇对应的每一子类型；
根据该目标簇对应的每一子类型，确定该目标簇对应的用户类型。
4.根据权利要求3所述的方法，其特征在于，所述历史服务数据包括：最后一次服务时间、历史服务频率和历史服务消费资产；若所述目标数据包括最后一次服务时间，则目标簇的子类型包括高间隔用户；若所述目标数据包括历史服务频率，则目标簇的子类型包括低频率用户；若所述目标数据包括历史服务消费资产，则目标簇的子类型包括低消费用户；若所述目标数据包括中心信用数据，则目标簇的子类型包括低信用用户。
5.根据权利要求3或4所述的方法，其特征在于，所述根据各个目标簇对应的用户类型，确定为所述各个目标簇中样本用户提供的服务策略，包括：
针对每一目标簇，为该目标簇对应的用户类型中的每一子类型确定子服务策略；
根据确定的各子服务策略，确定该目标簇中样本用户提供的服务策略。
6.根据权利要求1-4中任一项所述的方法，其特征在于，所述根据样本用户的历史服务数据和用户信用数据，对所述样本用户进行聚类之前，还包括：
获取样本用户的原始服务数据和原始信用数据；
对所述原始服务数据和原始信用数据进行预处理，得到样本用户的历史服务数据和用户信用数据；其中，所述预处理包括缺失值补充处理，和/或异常值剔除处理。
7.一种服务策略确定装置，其特征在于，所述装置包含：
目标确定模块，用于根据样本用户的历史服务数据和用户信用数据，对所述样本用户进行聚类，得到至少一个目标簇；
类型确定模块，用于根据各目标簇的中心服务数据与服务数据阈值之间的关系，以及各目标簇的中心信用数据与信用数据阈值之间的关系，确定各个目标簇对应的用户类型；
策略确定模块，用于根据各个目标簇对应的用户类型，确定为所述各个目标簇中样本用户提供的服务策略。
8.一种计算机设备，包含存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品，包含计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
CN202311050283.6A 2023-08-21 2023-08-21 服务策略确定方法、装置、计算机设备和存储介质 Pending CN117312653A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311050283.6A CN117312653A (zh) 2023-08-21 2023-08-21 服务策略确定方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311050283.6A CN117312653A (zh) 2023-08-21 2023-08-21 服务策略确定方法、装置、计算机设备和存储介质

Publications (1)

Publication Number Publication Date
CN117312653A true CN117312653A (zh) 2023-12-29

Family

ID=89248721

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311050283.6A Pending CN117312653A (zh) 2023-08-21 2023-08-21 服务策略确定方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN117312653A (zh)

Similar Documents

Publication Publication Date Title
CN116932935A (zh) 地址匹配方法、装置、设备、介质和程序产品
CN117035980A (zh) 资源借调评估方法、装置、计算机设备和存储介质
CN117312653A (zh) 服务策略确定方法、装置、计算机设备和存储介质
CN114201271A (zh) 节点确定方法、装置、计算机设备、存储介质
CN117112206B (zh) 交易资源隔离方法、装置、计算机设备和存储介质
CN116882408B (zh) 变压器图模型的构建方法、装置、计算机设备和存储介质
CN115686706B (zh) 终端视图配置方法、装置、计算机设备和存储介质
CN117390490A (zh) 用电信用报告的生成方法、装置、设备、存储介质和产品
CN118353009A (zh) 电力资源配置方法、装置、设备、介质和产品
CN117312405A (zh) 用户异常等级确定方法、装置、计算机设备、介质和产品
CN117196703A (zh) 资源发放方法、装置、计算机设备和存储介质
CN116069865A (zh) 库存共享方法、装置、计算机设备和存储介质
CN116843477A (zh) 理财产品购买方法、装置、计算机设备、存储介质
CN118154300A (zh) 抵质押参数处理方法、装置、计算机设备和存储介质
CN116932891A (zh) 资源对象展示方法、装置、设备、存储介质和产品
CN117909093A (zh) 针对芯片接口的数据分配处理方法和装置
CN118115025A (zh) 业务目标数据调整方法、装置、计算机设备、介质和产品
CN117612192A (zh) 电子图纸信息识别方法、系统、电子设备、存储介质
CN118568357A (zh) 推荐产品确定方法、装置、终端、服务器、介质及产品
CN118277417A (zh) 数据查询方法、装置、计算机设备和存储介质
CN118484253A (zh) 功能模块显示方法、装置、计算机设备和存储介质
CN116861273A (zh) 划分参数确定方法、装置、计算机设备和存储介质
CN116881543A (zh) 金融资源对象推荐方法、装置、设备、存储介质和产品
CN117455501A (zh) 请求处理方法、装置、计算机设备和存储介质
CN117312892A (zh) 用户聚类方法、装置、计算机设备和存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination