用户群分类方法、存储介质以及终端技术

本发明专利技术提供一种用户群分类方法、存储介质以及终端，以解决现有技术中存在的用户群使用效率不佳的问题。所述的方法包括步骤：获取各个用户之间的交友关系和社交行为数据，以及各个用户的用户属性；以各个用户为点，以各个用户之间的交友关系为边，构建第一交友关系网络；基于各个用户的用户属性对所述第一交友关系网络中的各个点进行赋值，基于各个用户之间的社交行为数据对所述第一交友关系网络中的每条边进行赋值，获得第二交友关系网络；基于所述第二交友关系网络对各个用户进行分类，获得各个用户所属的用户群。本发明专利技术实施例提高了用户群使用效率。

【技术实现步骤摘要】
用户群分类方法、存储介质以及终端
本专利技术涉及互联网
，具体而言，本专利技术涉及一种用户群分类方法、存储介质以及终端。
技术介绍
在互联网大数据时代，充分挖掘数据背后隐藏的规律用于指导业务营运，能起到事半功倍的效果。以用户的运营为例，将不同的用户按照特定特征划分至不同的用户群，然后就可以找出某类符合特定特征的用户群，针对该用户群执行相应的运营策略，例如召回用户、推送活动消息、测试新功能等，从而使各类运营策略执行达到较佳的效果。但是传统技术中的用户群划分方法仅考虑单一的用户特征属性，得到的用户群使用起来效率不佳。
技术实现思路
本专利技术针对现有方式的缺点，提出一种用户群分类方法、存储介质以及终端，用以解决现有技术中存在的用户群使用效率不佳的问题，以提高用户群使用效率。本专利技术的实施例根据第一个方面，提供了一种用户群分类方法，包括步骤：获取各个用户之间的交友关系和社交行为数据，以及各个用户的用户属性；以各个用户为点，以各个用户之间的交友关系为边，构建第一交友关系网络；基于各个用户的用户属性对所述第一交友关系网络中的各个点进行赋值，基于各个用户之间的社交行为数据对所述第一交友关系网络中的每条边进行赋值，获得第二交友关系网络；基于所述第二交友关系网络对各个用户进行分类，获得各个用户所属的用户群。在一个实施例中，所述基于各个用户的用户属性对所述第一交友关系网络中的各个点进行赋值，包括：基于各个用户的用户属性对各个用户进行聚类分析，获得各个用户所属的类别；将各个用户所属的类别分别赋值给所述第一交友关系网络中对应的点。在一个实施例中，所述基于各个用户的用户属性对各个用户进行聚类分析，获得各个用户所属的类别，包括：基于各个用户的用户属性，采用至少两种聚类算法对各个用户进行聚类分析，获得各个用户在每种聚类算法下所属的初始类别；从用户所属的所有初始类别中选取出现次数大于预设阈值的初始类别，作为该用户所属的最终类别。在一个实施例中，所述至少两种聚类算法包括层次聚类算法、k-中心性聚类算法以及DBSCAN聚类算法中的任意两种组合或三种。在一个实施例中，所述基于各个用户之间的社交行为数据对所述第一交友关系网络中的每条边进行赋值，包括：依序获取两个用户之间的社交行为数据；对该两个用户之间的社交行为数据进行加权求和，获得该两个用户之间的关联强度；将该两个用户之间的关联强度赋值给所述第一交友关系网络中对应的边。在一个实施例中，所述社交行为数据包括交易次数、聊天次数、馈赠礼物次数和召回好友次数中的任意组合。在一个实施例中，所述基于所述第二交友关系网络对各个用户进行分类，获得各个用户所属的用户群，包括：依序获取所述第二交友关系网络中的两个点；检测该两个点的值是否相同；若相同，将该两个点之间的边的值加上设定值，否则保持该两个点之间的边的值不变；若所有点均被获取检测，通过随机游走模型对各个用户进行分类，获得各个用户所属的用户群。在一个实施例中，所述获取各个用户的用户属性之后，所述基于各个用户的用户属性对所述第一交友关系网络中的各个点进行赋值之前，还包括：对各个用户的用户属性进行标准化处理或离散化处理；将各个用户的用户属性中的异常极值进行剔除，将各个用户的用户属性中的缺失值替换为0。本专利技术的实施例根据第二个方面，还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现前述任意一项所述的用户群分类方法。本专利技术的实施例根据第三个方面，还提供了一种终端，所述终端包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现前述任意一项所述的用户群分类方法。上述实施例提供的用户群分类方法、存储介质以及终端，在进行用户群分类时，不仅仅考虑用户的用户属性，还考虑用户之间的交友关系以及社交行为数据，因此得到的用户群是有特定用户属性的强关联的社交用户群，对于用户的精细化运营具有重要意义，大大提高了用户群使用效率，使各类运行策略执行达到最佳的效果。比如在进行消息推送时，社交用户群中其中一个用户知道后，在关系密集的社交用户群中就会自动的快速传播开来，可以有效的提高消息的传播性，也提高了消息投放的精准性，消息推送效果好。又比如，构建的加权社交网络(即第二交友关系网络)，通过网络中心性分析，还可用于预防用户流失，如在网络中连接关系越多的用户，其越不易流失，处于边缘关系稀疏的用户则更易流失，提高了用户的召回率。又比如，在进行新功能测试时，利用得到的社交用户群可以提高测试新功能的效果。本专利技术附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本专利技术的实践了解到。附图说明本专利技术上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：图1为本专利技术一个实施例的用户群分类方法的流程示意图；图2为本专利技术一具体实施例的用户群分类方法的流程示意图；图3为本专利技术一具体实施例的终端的结构示意图。具体实施方式下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本专利技术，而不能解释为对本专利技术的限制。本
技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本专利技术的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。本
技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本专利技术所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。本
技术人员可以理解，这里所使用的“终端”、“终端设备”既包括无线信号接收器的设备，其仅具备无发射能力的无线信号接收器的设备，又包括接收和发射硬件的设备，其具有能够在双向通信链路上，执行双向通信的接收和发射硬件的设备。这种设备可以包括：蜂窝或其他通信设备，其具有单线路显示器或多线路显示器或没有多线路显示器的蜂窝或其他通信设备；PCS(PersonalCommunicationsService，个人通信系统)，其可以组合语音、数据处理、传真和/或数据通信能力；PDA(PersonalDigitalAssistant，个人数字助理)，其可以包括射频接收器、寻呼机、互联网/内联网访问、网络浏览器、记事本、日历和/或GPS(GlobalPositioningSystem，全球定位系统)接收器；常规膝上型和/或掌上型计算机或其他设备，其具有和/或包括射频接收器的常规膝上型和/或掌上型计算机或其他设备。这里所使用的“终端”、“终端设备”可以是便携式、可运输、安装在交通工具(航空、海运和/或陆地)中的，或者适合于和/或配置为在本地运行，本文档来自技高网...

【技术保护点】
1.一种用户群分类方法，其特征在于，包括步骤：获取各个用户之间的交友关系和社交行为数据，以及各个用户的用户属性；以各个用户为点，以各个用户之间的交友关系为边，构建第一交友关系网络；基于各个用户的用户属性对所述第一交友关系网络中的各个点进行赋值，基于各个用户之间的社交行为数据对所述第一交友关系网络中的每条边进行赋值，获得第二交友关系网络；基于所述第二交友关系网络对各个用户进行分类，获得各个用户所属的用户群。

【技术特征摘要】
1.一种用户群分类方法，其特征在于，包括步骤：获取各个用户之间的交友关系和社交行为数据，以及各个用户的用户属性；以各个用户为点，以各个用户之间的交友关系为边，构建第一交友关系网络；基于各个用户的用户属性对所述第一交友关系网络中的各个点进行赋值，基于各个用户之间的社交行为数据对所述第一交友关系网络中的每条边进行赋值，获得第二交友关系网络；基于所述第二交友关系网络对各个用户进行分类，获得各个用户所属的用户群。2.根据权利要求1所述的用户群分类方法，其特征在于，所述基于各个用户的用户属性对所述第一交友关系网络中的各个点进行赋值，包括：基于各个用户的用户属性对各个用户进行聚类分析，获得各个用户所属的类别；将各个用户所属的类别分别赋值给所述第一交友关系网络中对应的点。3.根据权利要求2所述的用户群分类方法，其特征在于，所述基于各个用户的用户属性对各个用户进行聚类分析，获得各个用户所属的类别，包括：基于各个用户的用户属性，采用至少两种聚类算法对各个用户进行聚类分析，获得各个用户在每种聚类算法下所属的初始类别；从用户所属的所有初始类别中选取出现次数大于预设阈值的初始类别，作为该用户所属的最终类别。4.根据权利要求3所述的用户群分类方法，其特征在于，所述至少两种聚类算法包括层次聚类算法、k-中心性聚类算法以及DBSCAN聚类算法中的任意两种组合或三种。5.根据权利要求1所述的用户群分类方法，其特征在于，所述基于各个用户之间的社交行为数据对所述第一交友关系网络中的每条边进行赋值，包括：依序获取两个用户之...

【专利技术属性】
技术研发人员：曹木水，
申请(专利权)人：广州虎牙信息科技有限公司，
类型：发明
国别省市：广东,44