用于生成聚类模型的方法、电子设备和计算机可读介质技术

本申请实施例公开了用于生成聚类模型的方法、电子设备和计算机可读介质。该方法的一具体实施方式包括：获取目标账号集合中的账号的数据，得到针对目标账号集合的数据集合，其中，账号为产品服务提供方的账号；对于数据集合中的数据，采用第一预定数量个聚类算法对该数据进行第一预定数量次聚类处理，得到第一预定数量个聚类结果；采用第二预定数量个聚类算法评价指标，对第一预定数量个聚类结果中的聚类结果进行评价，以从第一预定数量个聚类结果中确定目标聚类结果；基于目标聚类结果，生成聚类模型。该实施方式提高了生成聚类模型的灵活性，有助于实现针对不同类别的产品服务提供方的差异化管理和个性化运营，有助于实现更及时的风险防控。

【技术实现步骤摘要】
用于生成聚类模型的方法、电子设备和计算机可读介质
本申请实施例涉及计算机
，具体涉及用于生成聚类模型的方法、电子设备和计算机可读介质。
技术介绍
支付平台的运营人员通常会根据产品服务提供方的特点，对不同的产品服务提供方采用不同的运营方式，以提高运营效益。例如，当产品服务提供方在一定时间段内，存在高频、大额的价值资源交换行为(例如交易行为)时，该产品服务提供方可能属于风险产品服务提供方。这种情况下，该产品服务提供方的账户可能存在被盗的风险，或者，该产品服务提供方获得的大额资金可能是通过非法手段或其他不正当手段获取的。此外，不同的产品服务提供方，其所感兴趣的信息通常是不同的。在此场景下，运营人员也可以根据产品服务提供方的特点确定其所感兴趣的信息，进而实现更具针对性的信息推送，实现平台个性化的运营和管理。然而，目前一般依赖运营人员的个人经验，人工对产品服务提供方进行分类以确定不同产品服务提供方的特点，效率较低且无法保证准确性。
技术实现思路
本申请实施例提出了用于生成聚类模型的方法、电子设备和计算机可读介质。第一方面，本申请实施例提供了一种用于生成聚类模型的方法，该方法包括：获取目标账号集合中的账号的数据，得到针对目标账号集合的数据集合；对于数据集合中的数据，采用第一预定数量个聚类算法对该数据进行第一预定数量次聚类处理，得到第一预定数量个聚类结果；采用第二预定数量个聚类算法评价指标，对第一预定数量个聚类结果中的聚类结果进行评价，以从第一预定数量个聚类结果中确定目标聚类结果；基于目标聚类结果，生成聚类模型。第二方面，本申请实施例提供了一种用于生成产品服务提供方的用户画像信息的方法，该方法包括：获取产品服务提供方的账号的数据；将数据输入至预先训练的聚类模型，以生成产品服务提供方的用户画像信息，其中，聚类模型是按照如上述用于生成聚类模型的方法中任一实施例的方法生成的。第三方面，本申请实施例提供了一种用于生成聚类模型的装置，该装置包括：第一获取单元，被配置成获取目标账号集合中的账号的数据，得到针对目标账号集合的数据集合；聚类单元，被配置成对于数据集合中的数据，采用第一预定数量个聚类算法对该数据进行第一预定数量次聚类处理，得到第一预定数量个聚类结果；评价单元，被配置成采用第二预定数量个聚类算法评价指标，对第一预定数量个聚类结果中的聚类结果进行评价，以从第一预定数量个聚类结果中确定目标聚类结果；第一生成单元，被配置成基于目标聚类结果，生成聚类模型。第四方面，本申请实施例提供了一种用于生成产品服务提供方的用户画像信息的装置，该装置包括：第二获取单元，被配置成获取产品服务提供方的账号的数据；第二生成单元，被配置成将数据输入至预先训练的聚类模型，以生成产品服务提供方的用户画像信息，其中，聚类模型是按照如上述用于生成聚类模型的方法中任一实施例的方法生成的。第五方面，本申请实施例提供了一种用于生成聚类模型的电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行，使得该一个或多个处理器实现如上述用于生成聚类模型的方法中任一实施例的方法。第六方面，本申请实施例提供了一种用于生成聚类模型的计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上述用于生成聚类模型的方法中任一实施例的方法。本申请实施例提供的用于生成聚类模型的方法、电子设备和计算机可读介质，通过获取目标账号集合中的账号的数据，得到针对目标账号集合的数据集合，而后，对于数据集合中的数据，采用第一预定数量个聚类算法对该数据进行第一预定数量次聚类处理，得到第一预定数量个聚类结果，之后，采用第二预定数量个聚类算法评价指标，对第一预定数量个聚类结果中的聚类结果进行评价，以从第一预定数量个聚类结果中确定目标聚类结果，最后，基于目标聚类结果，生成聚类模型，从而基于对账号的数据进行聚类处理，并采用聚类算法评价指标来对聚类处理的聚类结果进行评价，进而选择出目标聚类结果，再进一步生成聚类模型，由此提高了生成聚类模型的灵活性，有助于实现针对不同类别的产品服务提供方的差异化管理和个性化运营，有助于实现更及时的风险防控。附图说明通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：图1是本申请的一个实施例可以应用于其中的示例性系统架构图；图2是根据本申请的用于生成聚类模型的方法的一个实施例的流程图；图3是根据本申请的用于生成聚类模型的方法的一个应用场景的示意图；图4是根据本申请的用于生成聚类模型的方法的又一个实施例的流程图；图5是根据本申请的用于生成产品服务提供方的用户画像信息的方法的一个实施例的流程图；图6是根据本申请的用于生成产品服务提供方的用户画像信息的方法的又一个实施例的流程图；图7是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。具体实施方式下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关专利技术，而非对该专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关专利技术相关的部分。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。图1示出了可以应用本申请实施例的用于生成聚类模型的方法或者用于生成产品服务提供方的用户画像信息的方法的实施例的示例性系统架构100。如图1所示，系统架构100可以包括终端设备101、102、103，网络104和网络设备105。网络104用以在终端设备101、102、103和网络设备105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。用户可以使用终端设备101、102、103通过网络104与网络设备105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏并且支持页面浏览的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(MovingPictureExpertsGroupAudioLayerIII，动态影像专家压缩标准音频层面3)、MP4(MovingPictureExpertsGroupAudioLayerIV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。网络设备105可以是提供各种服务的网络设备，例如对终端设备101、102、103上显示的页面提供支持的后台服务器。后台服务器可以从终端设备101、102、103上显示的页面获取与账号(例如用户或者产品服务提供方的账号)相关的数据。例如，账号的类型(例如超市的账号、宾馆的账号等)，价值资源交换方式(例如交易方式)，本文档来自技高网...

【技术保护点】
1.一种用于生成聚类模型的方法，其特征在于，包括：获取目标账号集合中的账号的数据，得到针对所述目标账号集合的数据集合，其中，所述目标账号集合中的账号为产品服务提供方的账号；对于所述数据集合中的数据，采用第一预定数量个聚类算法对该数据进行所述第一预定数量次聚类处理，得到所述第一预定数量个聚类结果；采用第二预定数量个聚类算法评价指标，对所述第一预定数量个聚类结果中的聚类结果进行评价，以从所述第一预定数量个聚类结果中确定目标聚类结果；基于所述目标聚类结果，生成聚类模型。

【技术特征摘要】
1.一种用于生成聚类模型的方法，其特征在于，包括：获取目标账号集合中的账号的数据，得到针对所述目标账号集合的数据集合，其中，所述目标账号集合中的账号为产品服务提供方的账号；对于所述数据集合中的数据，采用第一预定数量个聚类算法对该数据进行所述第一预定数量次聚类处理，得到所述第一预定数量个聚类结果；采用第二预定数量个聚类算法评价指标，对所述第一预定数量个聚类结果中的聚类结果进行评价，以从所述第一预定数量个聚类结果中确定目标聚类结果；基于所述目标聚类结果，生成聚类模型。2.根据权利要求1所述的方法，其特征在于，所述数据集合中的数据是经过数据清洗后得到的数据，在所述获取目标账号集合中的账号的数据，得到针对所述目标账号集合的数据集合之前，所述方法还包括：获取所述目标账号集合中的各个账号的初始数据；对所述目标账号集合中的各个账号的初始数据进行数据清洗，得到所述目标账号集合中的各个账号的清洗数据；根据所述目标账号集合中各个账号的清洗数据，得到所述数据集合。3.根据权利要求2所述的方法，其特征在于，所得到的清洗数据包括属性和属性值；以及所述根据所述目标账号集合中各个账号的清洗数据，得到数据集合，包括：将所述目标账号集合中的各个账号的清洗数据所包括的属性对应的属性值中的最大值、属性对应的属性值的总和以及属性对应的属性值的平均值，确定为所述目标账号集合中的各个账号的特征数据；根据所述目标账号集合中的各个账号的清洗数据和特征数据，得到所述数据集合。4.根据权利要求3所述的方法，其特征在于，所述根据所述目标账号集合中的各个账号的清洗数据和特征数据，得到所述数据集合，包括：对所述目标账号集合中的各个账号的清洗数据和特征数据进行降维处理，得到所述数据集合。5.根据权利要求4所述的方法，其特征在于，所述对所述目标账号集合中的各个账号的清洗数据和特征数据进行降维处理，包括：采用主成分分析方法，对所述目标账号集合中的各个账号的清洗数据和特征数据所包括的特征进行选择，以完成降维处理。6.根据权利要求1-5之一所述的方法，其特征在于，所述第二预定数量为奇数，所述采用第二预定数量个聚类算法评价指标，对所述第一预定数量个聚类结果中的聚类结果进行评价，以从所述第一预定数量个聚类结果中确定目标聚类结果，包括：采用所述第二预定数量个聚类算法评价指标，对所述第一预定数量个聚类结果中的聚类结...

【专利技术属性】
技术研发人员：何莹，高艳芳，
申请(专利权)人：上海盛付通电子支付服务有限公司，
类型：发明
国别省市：上海,31