客户分类的处理方法和装置制造方法及图纸

本发明专利技术公开了一种客户分类的处理方法，包括：建立实际客户模型，确定客户类别；建立判断客户特征属性的鉴别器；计算每种客户类别的频率、每种客户类别对应的每个特征属性对应的频率、每个鉴别器条件下其他鉴别器的频率；计算每两个鉴别器间、每个鉴别器与客户类别间的对称不确定性值；查找待删除的鉴别器，执行鉴别器删除操作，采集客户数据，通过保留的鉴别器对客户进行朴素贝叶斯分类。本发明专利技术还公开了客户分类的处理装置。本发明专利技术提供的方法和装置，降低了鉴别器之间的相关度和冗余度，相互之间独立性强，在客户分类计算中，由于鉴别器减少，从而可减少客户分类的计算量和计算复杂度，由于鉴别器相互之间独立性强，客户分类计算的准确率更高。

【技术实现步骤摘要】

本专利技术涉及分类算法
，尤其涉及客户分类的处理方法和装置。
技术介绍
在产品销售过程中经常会遇到这种情况：需要根据与客户交流结果判断该客户是否为潜在客户，若是则需要通过销售技巧来提高成交的可能性，以达到提高销量。其中上述判断过程属于一个客户分类的过程。在各种
中都或多或少涉及到一些客户分类的事件，现有技术常见的方式是首先建立一个客户模型，然后采用朴素贝叶斯分类算法对客户类型进行分类。但是现有的朴素贝叶斯分类算法存在鉴别器不相关性和冗余性的特点，算法复杂度较高，同时容易导致客户分类不够精确。
技术实现思路
本专利技术的主要目的在于解决传统朴素贝叶斯分类算法复杂度高、客户分类不够精确的技术问题。为实现上述目的，本专利技术提供的一种客户分类的处理方法，包括：步骤S1、建立实际客户模型，确定该实际客户模型中客户类别C；步骤S2、建立用于判断客户特征属性的鉴别器；步骤S3、计算所述实际客户模型中每种客户类别C的频率、每种客户类别C对应的每个特征属性对应的频率、以及每个鉴别器条件下其他鉴别器的频率；步骤S4、根据步骤S3计算所得的数据计算每两个鉴别器之间、每个鉴别器与客户类别C之间的对称不确定性值；步骤S5、根据步骤S4计算结果查找待删除的鉴别器，并执行待删除鉴别器的删除操作，保留相互之间独立性强的鉴别器；步骤S6、采集客户数据，通过步骤S5保留的鉴别器根据所述客户数据对r>所述客户进行朴素贝叶斯分类。优选地，所述根据计算结果查找待删除的鉴别器，并执行待删除鉴别器的删除操作具体包括：步骤S51、查找与客户类别C之间的对称不确定性值最大的鉴别器Ap；步骤S52、删除与其他鉴别器之间的对称不确定性值大于所述最大对称不确定性值SUp,c的鉴别器，保留其他鉴别器。优选地，所述步骤S52具体为：循环执行当不同于Ap的一鉴别器Aq与至少一个其他鉴别器之间的对称不确定性值SUi，q大于或等于所述最大对称不确定性值SUp，c，则删除所述鉴别器Aq的操作，直至鉴别器之间对称不确定性值均小于所述最大对称不确定性值SUp，c。优选地，所述步骤S51之前还包括：步骤S511、将每个鉴别器与客户类别之间的对称不确定性值与预设的对称不确定阈值进行比较；步骤S512、删除与客户类别之间的对称不确定性值大于或等于所述对称不确定阈值的鉴别器。优选地，所述步骤S2中的建立的鉴别器至少为3个、每个鉴别器至少包括两个客户特征属性。此外，为实现上述目的，本专利技术还提供一种客户分类的处理装置，包括：模型建立模块，用于建立实际客户模型，确定该实际客户模型中客户类别C；鉴别器建立模块，用于建立用于判断客户特征属性的鉴别器；计算模块，用于计算所述实际客户模型中每种客户类别C的频率、每种客户类别C对应的每个特征属性对应的频率、以及每个鉴别器条件下其他鉴别器的频率；鉴别器过滤模块，用于根据计算模块计算所得的数据计算每两个鉴别器之间、每个鉴别器与客户类别C之间的对称不确定性值，并根据计算结果查找待删除的鉴别器，并执行待删除鉴别器的删除操作，保留合理的鉴别器；客户分类模块，用于采集客户数据，通过保留的鉴别器根据所述客户数据对所述客户进行朴素贝叶斯分类。优选地，所述鉴别器过滤模块，包括：查找单元，用于查找与客户类别C之间的对称不确定性值最大的鉴别器Ap；第一删除单元，用于删除与其他鉴别器之间的对称不确定性值大于所述最大对称不确定性值SUp,c的鉴别器，保留其他鉴别器。优选地，所述第一删除单元，具体用于循环执行当不同于Ap的一鉴别器Aq与至少一个其他鉴别器之间的对称不确定性值SUi，q大于或等于所述最大对称不确定性值SUp，c，则删除所述鉴别器Aq的操作，直至鉴别器之间对称不确定性值均小于所述最大对称不确定性值SUp，c。优选地，所述鉴别器过滤模块还包括：比较单元，用于在查找单元查找与客户类别C之间的对称不确定性值最大的鉴别器Ap之前，将每个鉴别器与客户类别之间的对称不确定性值与预设的对称不确定阈值进行比较；第二删除单元，用于删除与客户类别之间的对称不确定性值大于或等于所述对称不确定阈值的鉴别器。优选地，所述建立的鉴别器至少为3个、每个鉴别器至少包括两个客户特征属性。本专利技术所提供的客户分类的处理方法和装置，通过建立实际客户模型，确定该实际客户模型中客户类别C；建立用于判断客户特征属性的鉴别器；计算所述实际客户模型中每个客户类别C的频率、每种客户类别C对应的每个特征属性对应的频率、以及每个鉴别器条件下其他鉴别器的频率；根据计算所得的数据计算每两个鉴别器之间、每个鉴别器与客户类别C之间的对称不确定性值；根据计算结果查找待删除的鉴别器，并执行待删除鉴别器的删除操作的方式，保留相互之间独立性强的鉴别器，采集客户数据，通过保留的鉴别器根据所述客户数据对所述客户进行朴素贝叶斯分类的方式，降低了鉴别器相互之间的相关度和冗余度，相互之间独立性强，在客户类型分类计算中，由于鉴别器数量减少，从而可以减少客户分类计算过程中计算量和计算复杂度，同时由于鉴别器相互之间独立性强，客户分类计算的准确率更高。附图说明图1是本专利技术的客户分类的方法一实施例的流程图；图2是图1中步骤S5的具体细化流程图；图3是图1中步骤S5的另一细化流程图；图4是本专利技术的客户分类的处理装置一实施例的功能模块示意图；图5是图4中鉴别器过滤模块的细化功能模块示意图；图6是图4中鉴别器过滤模块的另一细化功能模块示意图。本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。本专利技术提供一种客户分类的方法。参见图1，图1是本专利技术的客户分类的方法一实施例的流程图。在一实施例中，所述客户分类的方法包括：步骤S10、建立实际客户分类模型，确定该实际客户分类模型中客户类别C。本步骤中建立的实际客户分类模型的大小可以根据实际需要进行调整，例如可以建立一个客户数为1000的的实际客户分类模型。该建立的实际客户分类模型中，记录有每个客户的相关数据信息，为后续步骤的计算提供数据支持。步骤S20、建立用于判断客户特征属性的鉴别器。本步骤S20中，所述建立的鉴别器至少为3个，所述建立的每个鉴别器至少包括两个客户特征属性。步骤S30、计算所本文档来自技高网...

【技术保护点】
一种客户分类的处理方法，其特征在于包括：步骤S1、建立实际客户模型，确定该实际客户模型中客户类别C；步骤S2、建立用于判断客户特征属性的鉴别器；步骤S3、计算所述实际客户模型中每种客户类别C的频率、每种客户类别C对应的每个特征属性对应的频率、以及每个鉴别器条件下其他鉴别器的频率；步骤S4、根据步骤S3计算所得的数据计算每两个鉴别器之间、每个鉴别器与客户类别C之间的对称不确定性值；步骤S5、根据步骤S4计算结果查找待删除的鉴别器，并执行待删除鉴别器的删除操作，保留相互之间独立性强的鉴别器；步骤S6、采集客户数据，通过步骤S5保留的鉴别器根据所述客户数据对所述客户进行朴素贝叶斯分类。

【技术特征摘要】
1.一种客户分类的处理方法，其特征在于包括：
步骤S1、建立实际客户模型，确定该实际客户模型中客户类别C；
步骤S2、建立用于判断客户特征属性的鉴别器；
步骤S3、计算所述实际客户模型中每种客户类别C的频率、每种客户类别
C对应的每个特征属性对应的频率、以及每个鉴别器条件下其他鉴别器的频
率；
步骤S4、根据步骤S3计算所得的数据计算每两个鉴别器之间、每个鉴别
器与客户类别C之间的对称不确定性值；
步骤S5、根据步骤S4计算结果查找待删除的鉴别器，并执行待删除鉴别
器的删除操作，保留相互之间独立性强的鉴别器；
步骤S6、采集客户数据，通过步骤S5保留的鉴别器根据所述客户数据对
所述客户进行朴素贝叶斯分类。
2.根据权利要求1所述的客户分类的处理方法，其特征在于，所述根据
计算结果查找待删除的鉴别器，并执行待删除鉴别器的删除操作具体包括：
步骤S51、查找与客户类别C之间的对称不确定性值最大的鉴别器Ap；
步骤S52、删除与其他鉴别器之间的对称不确定性值大于所述最大对称不
确定性值SUp,c的鉴别器，保留其他鉴别器。
3.根据权利要求2所述的客户分类的处理方法，其特征在于，所述步骤
S52具体为：循环执行当不同于Ap的一鉴别器Aq与至少一个其他鉴别器之间
的对称不确定性值SUi，q大于或等于所述最大对称不确定性值SUp，c，则删除所
述鉴别器Aq的操作，直至鉴别器之间对称不确定性值均小于所述最大对称不
确定性值SUp，c。
4.根据权利要求2或3所述的客户分类的处理方法，其特征在于，所述步
骤S51之前还包括：
步骤S511、将每个鉴别器与客户类别之间的对称不确定性值与预设的对
称不确定阈值进行比较；
步骤S512、删除与客户类别之间的对称不确定性值大于或等于所述对称
不确定阈值的鉴别器。
5.根据权利要求1所述的客户分类的处理方法，其特征在于，所述步骤
S2中的建立的鉴别器至少为3个、每个鉴别器至少包括两个客户特征属性。
6.一种客户分类的处理装置，其特征...

【专利技术属性】
技术研发人员：刘恒，刘超凡，韩志坚，曾泽欢，周刚，
申请(专利权)人：深圳TCL新技术有限公司，
类型：发明
国别省市：广东;44