本申請涉及互聯(lián)網(wǎng)信息處理技術領域，尤其涉及一種用戶群的分類方法和設備。

背景技術：

“互聯(lián)網(wǎng)+”是創(chuàng)新2.0下的互聯(lián)網(wǎng)發(fā)展的新業(yè)態(tài)，是知識社會創(chuàng)新2.0推動下的互聯(lián)網(wǎng)形態(tài)演進及其催生的經(jīng)濟社會發(fā)展新形態(tài)。“互聯(lián)網(wǎng)+”是互聯(lián)網(wǎng)思維的進一步實踐成果，它代表一種先進的生產(chǎn)力，推動經(jīng)濟形態(tài)不斷的發(fā)生演變，從而帶動社會經(jīng)濟實體的生命力，為改革、創(chuàng)新、發(fā)展提供廣闊的網(wǎng)絡平臺。在“互聯(lián)網(wǎng)+”這種大環(huán)境下，互聯(lián)網(wǎng)金融等金融創(chuàng)新行業(yè)得以蓬勃發(fā)展。信用消費市場也隨著互聯(lián)網(wǎng)金融行業(yè)的發(fā)展應運而生。

為了保證信用消費市場的良性發(fā)展，個人征信系統(tǒng)(又稱為消費者信用信息系統(tǒng))也隨之出現(xiàn)，個人征信系統(tǒng)通過搜集的個人信用信息(例如：個人基本信息、信用交易信息、特殊交易、特別記錄、客戶本人聲明等各類信息)確定消費者(以下稱之為用戶)的信用度，這樣，信用消費市場可以利用不同用戶的信用度為用戶提供不同的服務。

經(jīng)研究發(fā)現(xiàn)，在確定用戶的信用度時，首先，可以將不同的用戶進行劃分，即將不同的用戶進行分群；其次，基于得到的不同用戶群，為屬于同一個用戶群的用戶確定信用度。那么，如何精確地將不同的用戶進行分群成為一個需要解決的重要問題。

技術實現(xiàn)要素：

有鑒于此，本申請實施例提供了一種用戶群的分類方法和設備，用于解決 現(xiàn)有技術中如何精確地將不同的用戶進行分群的問題。

一種用戶群的分類方法，包括：

獲取至少兩個不同用戶的用戶信息，其中，所述用戶信息包含所述用戶的基本信息、所述用戶的信用信息、所述用戶的社會化關系信息、所述用戶的行為偏好信息中的至少一種或者多種；

根據(jù)所述至少兩個不同用戶的用戶信息和基于設定業(yè)務場景的多分類模型，確定得到每一個所述用戶屬于所述設定業(yè)務場景的其中一個用戶群的概率值，其中，所述設定業(yè)務場景至少對應一個用戶群；

在得到每一個所述用戶的概率值時，根據(jù)所述概率值的大小，將所述至少兩個不同用戶劃分至所述設定業(yè)務場景的用戶群中。

一種用戶群的分類方法，包括：

獲取在設定業(yè)務場景下待處理的用戶產(chǎn)生的用戶信息，其中，所述用戶信息中包含所述用戶的基本信息、所述用戶的信用信息、所述用戶的社會化關系信息、所述用戶的行為偏好信息中的至少一種或者多種；

根據(jù)所述用戶的用戶信息和基于設定業(yè)務場景的多分類模型，確定得到所述用戶屬于所述設定業(yè)務場景的其中一個用戶群的概率值；

將所述概率值與所述設定業(yè)務場景中包含的不同用戶群對應的設定閾值進行比較，確定所述用戶所屬所述設定業(yè)務場景的用戶群。

一種用戶群的分類設備，包括：

獲取單元，用于獲取至少兩個不同用戶的用戶信息，其中，所述用戶信息包含所述用戶的基本信息、所述用戶的信用信息、所述用戶的社會化關系信息、所述用戶的行為偏好信息中的至少一種或者多種；

確定單元，用于根據(jù)所述至少兩個不同用戶的用戶信息和基于設定業(yè)務場景的多分類模型，確定得到每一個所述用戶屬于所述設定業(yè)務場景的其中一個用戶群的概率值，其中，所述設定業(yè)務場景至少對應一個用戶群；

分類單元，用于在得到每一個所述用戶的概率值時，根據(jù)所述概率值的大 小，將所述至少兩個不同用戶劃分至所述設定業(yè)務場景的用戶群中。

一種用戶群的分類設備，包括：

獲取單元，用于獲取在設定業(yè)務場景下待處理的用戶產(chǎn)生的用戶信息，其中，所述用戶信息中包含所述用戶的基本信息、所述用戶的信用信息、所述用戶的社會化關系信息、所述用戶的行為偏好信息中的至少一種或者多種；

確定單元，用于根據(jù)所述用戶的用戶信息和基于設定業(yè)務場景的多分類模型，確定得到所述用戶屬于所述設定業(yè)務場景的其中一個用戶群的概率值；

分類單元，用于將所述概率值與所述設定業(yè)務場景中包含的不同用戶群對應的設定閾值進行比較，確定所述用戶所屬所述設定業(yè)務場景的用戶群。

本申請有益效果如下：

本申請實施例獲取至少兩個不同用戶的用戶信息，所述用戶信息包含所述用戶的基本信息、所述用戶的信用信息、所述用戶的社會化關系信息、所述用戶的行為偏好信息中的至少一種或者多種；根據(jù)所述至少兩個不同用戶的用戶信息和基于設定業(yè)務場景的多分類模型，確定得到每一個所述用戶屬于所述設定業(yè)務場景的其中一個用戶群的概率值，所述設定業(yè)務場景至少對應一個用戶群；在得到每一個所述用戶的概率值時，根據(jù)所述概率值的大小，將所述至少兩個不同用戶劃分至所述設定業(yè)務場景的不同用戶群中。這樣，本申請實施例在確定用戶所屬的用戶群時，基于多分類模型，利用比較全面的用戶信息，進而能夠計算得到一個相對準確的確定用戶屬于哪一個用戶群的概率值，有效改善了現(xiàn)有技術中使用二分類邏輯回歸導致用戶群分類存在不準確的問題，提高用戶群分類的精確度，為后續(xù)能夠精確地確定用戶的信用度奠定基礎，同時也能夠降低后續(xù)信用消費市場的消費風險。

附圖說明

為了更清楚地說明本申請實施例中的技術方案，下面將對實施例描述中所需要使用的附圖作簡要介紹，顯而易見地，下面描述中的附圖僅僅是本申請的一些實施例，對于本領域的普通技術人員來講，在不付出創(chuàng)造性勞動性的前提 下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為本申請實施例提供的一種用戶群的分類方法的流程示意圖；

圖2為本申請實施例提供的一種用戶群的分類方法的流程示意圖；

圖3為本申請實施例提供的一種用戶群的分類設備的結構示意圖；

圖4為本申請實施例提供的一種用戶群的分類設備的結構示意圖。

具體實施方式

為了實現(xiàn)本申請的目的，本申請實施例提供了一種用戶群的分類方法和設備，獲取至少兩個不同用戶的用戶信息，所述用戶信息包含所述用戶的基本信息、所述用戶的信用信息、所述用戶的社會化關系信息、所述用戶的行為偏好信息中的至少一種或者多種；根據(jù)所述至少兩個不同用戶的用戶信息和基于設定業(yè)務場景的多分類模型，確定得到每一個所述用戶屬于所述設定業(yè)務場景的其中一個用戶群的概率值，所述設定業(yè)務場景至少對應一個用戶群；在得到每一個所述用戶的概率值時，根據(jù)所述概率值的大小，將所述至少兩個不同用戶劃分至所述設定業(yè)務場景的不同用戶群中。這樣，本申請實施例在確定用戶所屬的用戶群時，基于多分類模型，利用比較全面的用戶信息，進而能夠計算得到一個相對準確的確定用戶屬于哪一個用戶群的概率值，有效改善了現(xiàn)有技術中使用二分類邏輯回歸導致用戶群分類存在不準確的問題，提高用戶群分類的精確度，為后續(xù)能夠精確地確定用戶的信用度奠定基礎，同時也能夠降低后續(xù)信用消費市場的消費風險。

需要說明的是，本申請實施例中所記載的基于設定業(yè)務場景的多分類模型可以是基于設定業(yè)務場景的多分類邏輯回歸算法得到的，例如：有序多分類邏輯回歸算法，和/或無序多分類邏輯回歸算法；也可以是基于其他分類算法得到的，這里不做具體限定。

下面結合說明書附圖對本申請各個實施例作進一步地詳細描述。顯然，所描述的實施例僅僅是本申請一部分實施例，而不是全部的實施例?；诒旧暾堉械膶嵤├?，本領域普通技術人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有 其它實施例，都屬于本申請保護的范圍。

圖1為本申請實施例提供的一種用戶群的分類方法的流程示意圖。所述方法可以如下所示。

步驟101：獲取至少兩個不同用戶的用戶信息。

其中，所述用戶信息包含所述用戶的基本信息、所述用戶的信用信息、所述用戶的社會化關系信息以及所述用戶的行為偏好信息。

在步驟101中，在獲取用戶信息階段，可以是基于不同業(yè)務場景，從服務器中獲取與業(yè)務場景相關的用戶信息，也可以是不限于業(yè)務場景，從服務器中獲取已有的用戶信息，還可以是基于用戶產(chǎn)生的用戶行為數(shù)據(jù)，從服務器中獲取與用戶行為數(shù)據(jù)相關聯(lián)的用戶信息，這里不做限定。

本申請實施例中記載的用戶信息可以包含用戶的基本信息，所謂用戶的基本信息可以包括年齡、性別、出生地、學歷、所從事的職業(yè)等，用戶的基本信息可以基于用戶在不同互聯(lián)網(wǎng)平臺上的注冊信息確定；也可以包含用戶的信用信息，這里的信用信息可以包含用戶的信用度、用戶所借資源以及逾期未還資源的信息等；也可以包含用戶的的社會化關系信息，這里的社會化關系信息可以包含與所述用戶建立社會化關系的其他用戶的用戶信息，或者與所述用戶建立社會化關系的其他用戶的信用信息等；還可以包含用戶的行為偏好信息，這里的用戶的行為偏好信息可以根據(jù)用戶的行為數(shù)據(jù)確定。

例如：獲取到的用戶A的用戶信息，其中，用戶信息中包含用戶A的基本信息：用戶A的姓名XXX、年齡23、出生地北京、學歷本科、當期職業(yè)學生等；用戶A的信用信息：用戶A的信用度良好、當前用戶A所具備的信用額度與其經(jīng)濟能力相當；用戶A的社會化關系信息：與用戶A建立社會化關系的其他用戶屬于大學生的居多；用戶A的行為偏好信息：網(wǎng)上購買電子產(chǎn)品居多，消費能力較同等年齡的人強。

步驟102：根據(jù)所述至少兩個不同用戶的用戶信息和基于設定業(yè)務場景的多分類模型，確定得到每一個所述用戶屬于所述設定業(yè)務場景的其中一個用戶 群的概率值。

其中，所述設定業(yè)務場景至少對應一個用戶群。

在步驟102中，本申請實施例中所記載的基于設定業(yè)務場景的多分類邏輯回歸算法可以是指基于設定業(yè)務場景不同，所確定的多分類邏輯回歸算法中的變量不同，例如：對于校園類業(yè)務，所設置的變量可以基于所處的學習階段不同，例如可以包含一年級的學生、二年級的學生、三年級的學生等，也可以包含小學生、中學生、大學生、研究生等；對于大眾化的業(yè)務，所設置的變量可以基于職業(yè)的不同，例如可以包含工人、農(nóng)民、學生、公務員等等。

這樣針對獲取的不同用戶的用戶信息，可以按照設定業(yè)務場景所述設置的變量，利用多分類邏輯回歸算法，計算得到每一個所述用戶屬于所述設定業(yè)務場景的其中一個用戶群的概率值。

在實際應用中，多分類邏輯回歸算法包含有序多分類邏輯回歸算法和無序多分類邏輯回歸算法，有序多分類邏輯回歸算法是在二分類邏輯回歸算法基礎之上發(fā)展的一種算法，通過將設定變量的k種情形劃分為兩類，利用二分類邏輯回歸模型擬合得到有序多分類邏輯回歸模型；無序多分類邏輯回歸算法則是首先定義因變量的參考值，其次，利用不同自變量對應的因變量與參考值相比建立變換模型，并利用變換模型確定用戶的概率值的算法。

本申請實施例中記載的有序多分類邏輯回歸算法可以是以現(xiàn)有有序多分類邏輯算法的基礎，結合互聯(lián)網(wǎng)平臺中多樣性的用戶信息，通過訓練的方式得到的；無序多分類邏輯回歸算法可以是以現(xiàn)有無序多分類邏輯算法的基礎，結合互聯(lián)網(wǎng)平臺中多樣性的用戶信息，通過訓練的方式得到的，這里不做限定。

需要說明的是，本申請實施例利用多分類邏輯回歸算法，將不同用戶的用戶信息進行量化，利用量化結果計算得到每一個所述用戶屬于所述設定業(yè)務場景的其中一個用戶群的概率值。

這里計算得到每一個所述用戶屬于所述設定業(yè)務場景的其中一個用戶群的概率值，說明每一個用戶只能被劃分至一個用戶群中，不可能同時被劃分至 兩個或者多個用戶群中，至于將會被劃分至哪個用戶群中，需要根據(jù)步驟103中所記載的方式確定。

具體地，根據(jù)所述至少兩個不同用戶的用戶信息和基于設定業(yè)務場景的有序多分類邏輯回歸算法，確定得到每一個所述用戶屬于所述設定業(yè)務場景的其中一個用戶群的概率值。

例如：將不同用戶的用戶信息輸入基于設定業(yè)務場景的有序多分類邏輯回歸算法模型中，使得基于設定業(yè)務場景的有序多分類邏輯回歸算法模型可以根據(jù)輸入的用戶信息，確定該用戶屬于所述設定業(yè)務場景的其中一個用戶群的概率值。

或者，

根據(jù)所述至少兩個不同用戶的用戶信息和基于設定業(yè)務場景的無序多分類邏輯回歸算法，確定得到每一個所述用戶屬于所述設定業(yè)務場景的其中一個用戶群的概率值。

例如：將不同用戶的用戶信息輸入基于設定業(yè)務場景的無序多分類邏輯回歸算法模型中，使得基于設定業(yè)務場景的無序多分類邏輯回歸算法模型可以根據(jù)輸入的用戶信息，確定該用戶屬于所述設定業(yè)務場景的其中一個用戶群的概率值。

或者，

針對所述至少兩個不同用戶中每一個用戶，分別執(zhí)行以下操作：

根據(jù)所述用戶的用戶信息和基于設定業(yè)務場景的有序多分類邏輯回歸算法，確定得到所述用戶屬于所述設定業(yè)務場景的其中一個用戶群的第一概率值；

根據(jù)所述用戶的用戶信息和基于設定業(yè)務場景的無序多分類邏輯回歸算法，確定得到所述用戶屬于所述設定業(yè)務場景的其中一個用戶群的第二概率值；

比較所述第一概率值與所述第二概率值的大小，將其中概率值較大的作為 所述用戶屬于所述設定業(yè)務場景的其中一個用戶群的概率值。

這里需要說明的是，基于一種業(yè)務場景，可以為該業(yè)務場景訓練一個有序多分類邏輯回歸模型和一個無序多分類邏輯回歸模型，這樣，將一個用戶的用戶信息分別輸入基于設定業(yè)務場景的有序多分類邏輯回歸算法模型和基于設定業(yè)務場景的無序多分類邏輯回歸算法模型中，由基于設定業(yè)務場景的有序多分類邏輯回歸算法模型根據(jù)該用戶的用戶信息確定所述用戶屬于所述設定業(yè)務場景的其中一個用戶群的第一概率值；由基于設定業(yè)務場景的無序多分類邏輯回歸算法模型根據(jù)該用戶的用戶信息確定所述用戶屬于所述設定業(yè)務場景的其中一個用戶群的第二概率值，從得到的第一概率值和第二概率值中選擇其中一個概率值作為確定用戶屬于哪個用戶群的概率值。

步驟103：在得到每一個所述用戶的概率值時，根據(jù)所述概率值的大小，將所述至少兩個不同用戶劃分至所述設定業(yè)務場景的用戶群中。

在步驟103中，將得到的每一個所述用戶的概率值進行排序；根據(jù)所述設定業(yè)務場景所劃分用戶群的個數(shù)，將所述至少兩個不同用戶進行劃分，得到所述設定業(yè)務場景的用戶群中包含的用戶。

需要說明的是，每一個用戶群中所包含用戶的個數(shù)不限，可以相同，也可以不相同。

這里進行劃分可以采用平均劃分的方式，也可以采用加權劃分的方式，這里不做限定。

在得到所述設定業(yè)務場景的不同用戶群中包含的用戶時，根據(jù)每一個用戶群中包含的用戶的概率值，還可以確定該用戶群的概率值的取值范圍，這樣，對于后續(xù)新出現(xiàn)的用戶，可以通過概率值的取值范圍，快速確定用戶所屬的用戶群。

或者，還可以根據(jù)每一個用戶群中包含的用戶的概率值，確定該用戶群的設定閾值。

可選地，如果預先確定所述設定業(yè)務場景所劃分用戶群的個數(shù)以及每一個 用戶群的設定閾值，則可以針對所述至少兩個不同用戶中每一個用戶的概率值，分別執(zhí)行以下操作：

將所述用戶的概率值與所述設定業(yè)務場景的不同用戶群對應的設定閾值進行比較；

當所述用戶的概率值與所述設定業(yè)務場景的不同用戶群對應的設定閾值之間的差值小于設定數(shù)值時，將所述用戶劃分至所述設定業(yè)務場景中所述設定閾值對應的用戶群中。

需要說明的是，本申請實施例可以用來作為訓練用戶群的方法，通過從互聯(lián)網(wǎng)平臺中獲取大量的用戶信息，利用本申請實施例的方案訓練不同業(yè)務場景下的用戶群分類模型，為后續(xù)快速確定用戶所屬的用戶群奠定基礎。

通過本申請實施例提供的技術方案，獲取至少兩個不同用戶的用戶信息，所述用戶信息包含所述用戶的基本信息、所述用戶的信用信息、所述用戶的社會化關系信息、所述用戶的行為偏好信息中的至少一種或者多種；根據(jù)所述至少兩個不同用戶的用戶信息和基于設定業(yè)務場景的多分類模型，確定得到每一個所述用戶屬于所述設定業(yè)務場景的其中一個用戶群的概率值，所述設定業(yè)務場景至少對應一個用戶群；在得到每一個所述用戶的概率值時，根據(jù)所述概率值的大小，將所述至少兩個不同用戶劃分至所述設定業(yè)務場景的不同用戶群中。這樣，本申請實施例在確定用戶所屬的用戶群時，基于多分類模型，利用比較全面的用戶信息，進而能夠計算得到一個相對準確的確定用戶屬于哪一個用戶群的概率值，有效改善了現(xiàn)有技術中使用二分類邏輯回歸導致用戶群分類存在不準確的問題，提高用戶群分類的精確度，為后續(xù)能夠精確地確定用戶的信用度奠定基礎，同時也能夠降低后續(xù)信用消費市場的消費風險。

圖2為本申請實施例提供的一種用戶群的分類方法的流程示意圖。所述方法可以如下所示。

步驟201：獲取在設定業(yè)務場景下待處理的用戶產(chǎn)生的用戶信息。

其中，所述用戶信息中包含所述用戶的基本信息、所述用戶的信用信息、 所述用戶的社會化關系信息、所述用戶的行為偏好信息中的至少一種或者多種。

在步驟201中，在獲取用戶信息階段，可以是基于不同業(yè)務場景，從服務器中獲取與業(yè)務場景相關的用戶信息，也可以是不限于業(yè)務場景，從服務器中獲取已有的用戶信息，還可以是基于用戶產(chǎn)生的用戶行為數(shù)據(jù)，從服務器中獲取與用戶行為數(shù)據(jù)相關聯(lián)的用戶信息，這里不做限定。

本申請實施例中記載的用戶信息可以包含用戶的基本信息，所謂用戶的基本信息可以包括年齡、性別、出生地、學歷、所從事的職業(yè)等，用戶的基本信息可以基于用戶在不同互聯(lián)網(wǎng)平臺上的注冊信息確定；也可以包含用戶的信用信息，這里的信用信息可以包含用戶的信用度、用戶所借資源以及逾期未還資源的信息等；也可以包含用戶的的社會化關系信息，這里的社會化關系信息可以包含與所述用戶建立社會化關系的其他用戶的用戶信息，或者與所述用戶建立社會化關系的其他用戶的信用信息等；還可以包含用戶的行為偏好信息，這里的用戶的行為偏好信息可以根據(jù)用戶的行為數(shù)據(jù)確定。

步驟202：根據(jù)所述用戶的用戶信息和基于設定業(yè)務場景的多分類模型，確定得到所述用戶屬于所述設定業(yè)務場景的其中一個用戶群的概率值。

這里步驟202的實現(xiàn)方式與本申請上述實施例中步驟102中的實現(xiàn)方式相同，這里不做具體描述。

步驟203：將所述概率值與所述設定業(yè)務場景中包含的不同用戶群對應的設定閾值進行比較，確定所述用戶所屬所述設定業(yè)務場景的用戶群。

在步驟203中，確定所述設定業(yè)務場景中包含的用戶群的設定閾值，分別將所述概率值與確定的每一個設定閾值進行比較，選擇比較結果最小所使用的設定閾值對應的用戶群作為所述用戶所屬所述設定業(yè)務場景的用戶群。

圖3為本申請實施例提供的一種用戶群的分類設備的結構示意圖。所述分類設備包括：獲取單元31、確定單元32和分類單元33，其中：

獲取單元31，用于獲取至少兩個不同用戶的用戶信息，其中，所述用戶信 息包含所述用戶的基本信息、所述用戶的信用信息、所述用戶的社會化關系信息、所述用戶的行為偏好信息中的至少一種或者多種；

確定單元32，用于根據(jù)所述至少兩個不同用戶的用戶信息和基于設定業(yè)務場景的多分類模型，確定得到每一個所述用戶屬于所述設定業(yè)務場景的其中一個用戶群的概率值，其中，所述設定業(yè)務場景至少對應一個用戶群；

分類單元33，用于在得到每一個所述用戶的概率值時，根據(jù)所述概率值的大小，將所述至少兩個不同用戶劃分至所述設定業(yè)務場景的用戶群中。

在本申請的另一個實施例中，所述確定單元32根據(jù)所述至少兩個不同用戶的用戶信息和基于設定業(yè)務場景的多分類模型，確定得到每一個所述用戶屬于所述設定業(yè)務場景的其中一個用戶群的概率值，包括：

根據(jù)所述至少兩個不同用戶的用戶信息和基于設定業(yè)務場景的有序多分類邏輯回歸算法，確定得到每一個所述用戶屬于所述設定業(yè)務場景的其中一個用戶群的概率值。

在本申請的另一個實施例中，所述確定單元32根據(jù)所述至少兩個不同用戶的用戶信息和基于設定業(yè)務場景的多分類模型，確定得到每一個所述用戶屬于所述設定業(yè)務場景的其中一個用戶群的概率值，包括：

根據(jù)所述至少兩個不同用戶的用戶信息和基于設定業(yè)務場景的無序多分類邏輯回歸算法，確定得到每一個所述用戶屬于所述設定業(yè)務場景的其中一個用戶群的概率值。

在本申請的另一個實施例中，所述確定單元32根據(jù)所述至少兩個不同用戶的用戶信息和基于設定業(yè)務場景的多分類模型，確定得到每一個所述用戶屬于設定業(yè)務場景的其中一個用戶群的概率值，包括：

針對所述至少兩個不同用戶中每一個用戶，分別執(zhí)行以下操作：

根據(jù)所述用戶的用戶信息和基于設定業(yè)務場景的有序多分類邏輯回歸算法，確定得到所述用戶屬于所述設定業(yè)務場景的其中一個用戶群的第一概率值；

根據(jù)所述用戶的用戶信息和基于設定業(yè)務場景的無序多分類邏輯回歸算法，確定得到所述用戶屬于所述設定業(yè)務場景的其中一個用戶群的第二概率值；

比較所述第一概率值與所述第二概率值的大小，將其中概率值較大的作為所述用戶屬于所述設定業(yè)務場景的其中一個用戶群的概率值。

在本申請的另一個實施例中，所述分類單元33根據(jù)所述概率值的大小，將所述至少兩個不同用戶劃分至所述設定業(yè)務場景的用戶群中，包括：

將得到的每一個所述用戶的概率值進行排序；

根據(jù)所述設定業(yè)務場景所劃分用戶群的個數(shù)，將所述至少兩個不同用戶進行劃分，得到所述設定業(yè)務場景的用戶群中包含的用戶。

需要說明的是，本申請實施例提供的分類設備可以通過軟件方式實現(xiàn)，也可以通過硬件方式實現(xiàn)，這里不做限定。本申請實施例提供的分類設備在確定用戶所屬的用戶群時，基于多分類模型，利用比較全面的用戶信息，進而能夠計算得到一個相對準確的確定用戶屬于哪一個用戶群的概率值，有效改善了現(xiàn)有技術中使用二分類邏輯回歸導致用戶群分類存在不準確的問題，提高用戶群分類的精確度，為后續(xù)能夠精確地確定用戶的信用度奠定基礎，同時也能夠降低后續(xù)信用消費市場的消費風險。

圖4為本申請實施例提供的一種用戶群的分類設備的結構示意圖。所述分類設備包括：獲取單元41、確定單元42和分類單元43，其中：

獲取單元41，用于獲取在設定業(yè)務場景下待處理的用戶產(chǎn)生的用戶信息，其中，所述用戶信息中包含所述用戶的基本信息、所述用戶的信用信息、所述用戶的社會化關系信息、所述用戶的行為偏好信息中的至少一種或者多種；

確定單元42，用于根據(jù)所述用戶的用戶信息和基于設定業(yè)務場景的多分類模型，確定得到所述用戶屬于所述設定業(yè)務場景的其中一個用戶群的概率值；

分類單元43，用于將所述概率值與所述設定業(yè)務場景中包含的不同用戶群對應的設定閾值進行比較，確定所述用戶所屬所述設定業(yè)務場景的用戶群。

本領域的技術人員應明白，本申請的實施例可提供為方法、裝置(設備)、或計算機程序產(chǎn)品。因此，本申請可采用完全硬件實施例、完全軟件實施例、或結合軟件和硬件方面的實施例的形式。而且，本申請可采用在一個或多個其中包含有計算機可用程序代碼的計算機可用存儲介質(包括但不限于磁盤存儲器、CD-ROM、光學存儲器等)上實施的計算機程序產(chǎn)品的形式。

本申請是參照根據(jù)本申請實施例的方法、裝置(設備)和計算機程序產(chǎn)品的流程圖和/或方框圖來描述的。應理解可由計算機程序指令實現(xiàn)流程圖和/或方框圖中的每一流程和/或方框、以及流程圖和/或方框圖中的流程和/或方框的結合?？商峁┻@些計算機程序指令到通用計算機、專用計算機、嵌入式處理機或其他可編程數(shù)據(jù)處理設備的處理器以產(chǎn)生一個機器，使得通過計算機或其他可編程數(shù)據(jù)處理設備的處理器執(zhí)行的指令產(chǎn)生用于實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的裝置。

這些計算機程序指令也可存儲在能引導計算機或其他可編程數(shù)據(jù)處理設備以特定方式工作的計算機可讀存儲器中，使得存儲在該計算機可讀存儲器中的指令產(chǎn)生包括指令裝置的制造品，該指令裝置實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能。

這些計算機程序指令也可裝載到計算機或其他可編程數(shù)據(jù)處理設備上，使得在計算機或其他可編程設備上執(zhí)行一系列操作步驟以產(chǎn)生計算機實現(xiàn)的處理，從而在計算機或其他可編程設備上執(zhí)行的指令提供用于實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的步驟。

盡管已描述了本申請的優(yōu)選實施例，但本領域內(nèi)的技術人員一旦得知了基本創(chuàng)造性概念，則可對這些實施例作出另外的變更和修改。所以，所附權利要求意欲解釋為包括優(yōu)選實施例以及落入本申請范圍的所有變更和修改。

顯然，本領域的技術人員可以對本申請進行各種改動和變型而不脫離本申請的精神和范圍。這樣，倘若本申請的這些修改和變型屬于本申請權利要求及其等同技術的范圍之內(nèi)，則本申請也意圖包含這些改動和變型在內(nèi)。