【技术实现步骤摘要】
一种基于聚类分析的社区用户引导方法及系统
[0001]本专利技术属于大数据处理
，具体涉及一种基于聚类分析的社区用户引导方法及系统。
技术介绍
[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]聚类是一种将对象集合按照一定的标准划分为多个类别的过程，在所划分的类别中，对象之间的距离(或相似度)较近，而不同类中的对象之间距离较远。在数据量较为庞大且类型未知的情况下，聚类能够对数据进行整理，从而加速数据检索或计算过程。
[0004]在所涉及到的应用场景中，社区的活力预测方法主要以社区周围兴趣点(如餐饮、住宿、以及娱乐地点)的分布情况以及热度分析为主，但目前需要商家或居民自己大量查阅搜索相关社区的信息才能获取符合自身入驻要求的社区，而搜索难度大，有时需要数周甚至一个月才能找到自己满意的社区。
[0005]对此，如何结合大数据为商家的入驻提供参考信息，为待入住的居民以及意向发展产业的商家提供较为综合的分析结果，帮助用户做出准确的判断是目前需要解决的问题...
【技术保护点】
【技术特征摘要】
1.一种基于聚类分析的社区用户引导方法，其特征在于，包括：获取社区周围兴趣点数据，并对社区周围兴趣点进行聚类，划分为多个不同形状大小的聚类区域，并获取聚类区域内的各类兴趣点分布比例以及兴趣点热度总和；所述兴趣点数据包括兴趣点访问频率和兴趣点的地理位置信息；将社区周围所有聚类区域的热度值进行加权整合以得出社区的活力值；通过社区的活力值、兴趣点分布情况以及各类兴趣点所占比例为用户的居住或者店铺选址提供信息参考以引导用户做出最优选择。2.如权利要求1所述的于聚类分析的社区用户引导方法，其特征在于，所述对社区周围兴趣点进行聚类是采用DBSCAN算法对距离社区中心一定范围内的兴趣点进行聚类。3.如权利要求2所述的于聚类分析的社区用户引导方法，其特征在于，所述DBSCAN算法以设定的密度阈值为准对社区周围的兴趣点进行聚类，密度阈值分为两个部分：聚类半径阈值以及聚类点数量阈值，根据给定的密度阈值，所有的兴趣点被分为核心点、边界点与离群点。4.如权利要求3所述的于聚类分析的社区用户引导方法，其特征在于，根据上述兴趣点的定义将兴趣点标记为核心点、边界点与离群点；将相对距离小于聚类半径阈值的核心点相连接，而这些核心点分别形成半径为聚类半径阈值的小型簇，在连通的过程中这些小型簇被合并为连续分布的聚类区域；将剩余的边界点分配至距离较近的核心点形成的小型簇中，由此完成社区周围兴趣点的聚类过程。5.如权利要求2所述的于聚类分析的社区用户引导方法，其特征在于，所述DBSCAN算法在迭代过程中，对每一组候选密度阈值所形成的聚类结果进行统计，如果出现连续多组候选密度阈值所对应的聚类数量相...
【专利技术属性】
技术研发人员：管洪清，徐亮，王伟，张元杰，张大千，尹广楹，孙浩云，
申请(专利权)人：青岛文达通科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。