本發(fā)明涉及計算機(jī)技術(shù)領(lǐng)域，特別涉及一種將用戶劃分至集群的方法及裝置。

背景技術(shù)：

集群是指由將相似特征的用戶構(gòu)成的群體，在征信項目中，集群劃分是風(fēng)險控制中重要的一環(huán)。

集群通常分為高風(fēng)險集群、高征信集群。高風(fēng)險集群是指信用不達(dá)標(biāo)、經(jīng)濟(jì)條件不達(dá)標(biāo)或不穩(wěn)定的集群，而高征信集群是指信用達(dá)標(biāo)、經(jīng)濟(jì)條件達(dá)標(biāo)或穩(wěn)定的集群。

準(zhǔn)確的判斷出用戶屬于的集群，為用戶提供與該集群相應(yīng)的服務(wù)，可以更好的滿足用戶的需求。

技術(shù)實現(xiàn)要素：

本發(fā)明實施例提供了一種通過計算機(jī)系統(tǒng)實現(xiàn)的將用戶劃分至集群的方法及裝置。所述技術(shù)方案如下：

第一方面，提供了一種通過計算機(jī)系統(tǒng)實現(xiàn)的將用戶劃分至集群的方法，所述方法包括：計算機(jī)系統(tǒng)獲取所述用戶的好友用戶；對于任一集群，所述計算機(jī)系統(tǒng)獲取各個好友用戶判定所述用戶屬于所述集群的判定結(jié)果，每個判定結(jié)果用于指示每個好友用戶判定所述用戶是否屬于所述集群；所述計算機(jī)系統(tǒng)根據(jù)所述判定結(jié)果、各個好友用戶的可信度以及好友用戶的參考數(shù)量，計算所述用戶分別屬于各個集群的概率，將得到的各個所述概率記為第一類概率；所述計算機(jī)系統(tǒng)將所述用戶劃分至所述得到的第一類概率中最大概率所對應(yīng)的集群。由于用戶所屬某一集群的第一類概率與該用戶的各個好友用戶判定用戶屬于各個集群的判定結(jié)果、各個好友用戶的可信度以及好友用戶的參考數(shù)量相關(guān)；因此解決了相關(guān)技術(shù)中通常是由用戶自行選擇屬于的集群的集群劃分方法準(zhǔn)確率較低，且?guī)в杏脩舻闹饔^性的問題；達(dá)到了準(zhǔn)確的判斷出用戶屬于的集群，為用戶提供與該集群相應(yīng)的服務(wù)，更好的滿足用戶的需求的效果。

可選的，在所述得到的各個所述概率記為第一類概率之后，所述方法還包括：在所述用戶已經(jīng)加入了至少一個群組時，所述計算機(jī)系統(tǒng)計算所述用戶所加入的群組分別屬于各個集群的概率；對于任一群組，所述計算機(jī)系統(tǒng)確定出所述群組所屬的各個集群中概率最大的集群，將所述群組劃分至所述集群中。

可選的，在所述將所述群組劃分至所述集群中之后，所述方法還包括：對于任一集群，所述計算機(jī)系統(tǒng)計算被劃分至所述集群的群組屬于所述集群的概率的平均值；所述計算機(jī)系統(tǒng)將各個集群所對應(yīng)的平均值組成第二類概率；所述計算機(jī)系統(tǒng)利用所述第二類概率對所述第一類概率進(jìn)行修正，得到所述用戶分別屬于各個集群的修正后的第一類概率；所述計算機(jī)系統(tǒng)確定出所述修正后的第一類概率中概率最大的集群，將所述用戶劃分至所述集群中。

可選的，所述計算機(jī)系統(tǒng)確定出所述修正后的第一類概率中概率最大的集群，將所述用戶劃分至所述集群中，包括：所述計算機(jī)系統(tǒng)執(zhí)行所述計算所述用戶所加入群組分別屬于各個集群的概率的步驟，直至得到的修正后的第一類概率符合迭代終止條件；所述計算機(jī)系統(tǒng)確定出最后得到的修正后的第一類概率中概率最大的集群，將所述用戶劃分至所述集群中。通過迭代計算，不斷利用該第二類概率對第一類概率進(jìn)行修正，使得修正后的第一類概率更為精準(zhǔn)。

可選的，所述計算機(jī)系統(tǒng)根據(jù)所述判定結(jié)果、各個好友用戶的可信度以及好友用戶的參考數(shù)量，計算所述用戶分別屬于各個集群的概率，包括：對于任一個集群，所述計算機(jī)系統(tǒng)將判定所述用戶屬于所述集群的各個好友用戶的可信度進(jìn)行累加，得到好友用戶判定所述用戶屬于所述集群的權(quán)重；所述計算機(jī)系統(tǒng)將所述集群的權(quán)重除以各個集群的權(quán)重之和，得到所述集群的相對強(qiáng)度；所述計算機(jī)系統(tǒng)按照與所述集群的權(quán)重相關(guān)的計算公式，計算所述集群的證據(jù)支撐度；所述計算機(jī)系統(tǒng)將所述集群的相對強(qiáng)度乘以所述集群的證據(jù)支撐度，得到所述用戶屬于所述集群的概率；其中，所述計算公式為：所述λ_i為第i個集群的證據(jù)支撐度，所述T為所述好友用戶的參考數(shù)量，T≤n，n為所述用戶的好友用戶的總數(shù)量，所述ω(i)為好友用戶判定所述用戶屬于所述第i個集群的權(quán)重。

可選的，所述所述計算機(jī)系統(tǒng)計算所述用戶所加入的群組分別屬于各個集群的概率，包括：對于所述用戶加入的每個群組，所述計算機(jī)系統(tǒng)獲取所述群組內(nèi)各個群成員屬于各個集群的概率；對于任一集群，所述計算機(jī)系統(tǒng)計算各個群成員屬于所述集群的概率的平均值，將所述平均值記為所述群組屬于所述集群的概率。

可選的，所述對于任一集群，所述計算機(jī)系統(tǒng)計算被劃分至所述集群的群組屬于所述集群的概率的平均值，包括：對于任一集群，所述計算機(jī)系統(tǒng)提取出被劃分至所述集群的群組屬于所述集群的概率中大于預(yù)定概率閾值的概率；所述計算機(jī)系統(tǒng)計算提取出的各個概率的平均值，得到被劃分至所述集群的群組屬于所述集群的概率的平均值。通過提取出被劃分至某一集群且屬于該集群的概率中大于預(yù)定概率閾值的概率的群組，來計算該集群的概率的平均值，避免集群的概率的平均值受到概率較低的群組的影響，平均值產(chǎn)生較大偏差。

可選的，所述所述計算機(jī)系統(tǒng)利用所述第二類概率對所述第一類概率進(jìn)行修正，包括：對于任一集群，所述計算機(jī)系統(tǒng)計算第一參數(shù)和修正前的第一類概率中所述用戶屬于所述集群的概率的乘積，得到第一乘積；所述計算機(jī)系統(tǒng)將第二參數(shù)和所述第二類概率中所述集群的概率的平均值的乘積，得到第二乘積；所述計算機(jī)系統(tǒng)將所述第一乘積與所述第二乘積相加，得到修正后的第一類概率中所述集群所對應(yīng)的概率；其中，所述第一參數(shù)與所述第二參數(shù)之和為1。

可選的，所述迭代終止條件為：迭代次數(shù)達(dá)到預(yù)定次數(shù)閾值，或，最后相鄰兩次得到的修改正后的第一類概率的歐氏距離小于預(yù)定距離閾值。

第二方面，提供了一種通過計算機(jī)系統(tǒng)實現(xiàn)的將用戶劃分至集群的裝置，所述裝置包括：第一獲取模塊，用于利用計算機(jī)系統(tǒng)獲取所述用戶的好友用戶；第二獲取模塊，用于對于任一集群，利用所述計算機(jī)系統(tǒng)獲取各個好友用戶判定所述用戶屬于所述集群的判定結(jié)果，每個判定結(jié)果用于指示每個好友用戶判定所述用戶是否屬于所述集群；第一計算模塊，用于利用所述計算機(jī)系統(tǒng)根據(jù)所述第二獲取模塊獲取的所述判定結(jié)果、各個好友用戶的可信度以及好友用戶的參考數(shù)量，計算所述用戶分別屬于各個集群的概率，將得到的各個所述概率記為第一類概率；第一劃分模塊，用于利用所述計算機(jī)系統(tǒng)將所述用戶劃分至所述得到的所述第一計算模塊計算的第一類概率中最大概率所對應(yīng)的集群。

可選的，所述裝置還包括：第二計算模塊，用于在所述得到的各個所述概率記為第一類概率之后，在所述用戶已經(jīng)加入了至少一個群組時，利用所述計算機(jī)系統(tǒng)計算所述用戶所加入的群組分別屬于各個集群的概率；第二劃分模塊，用于對于任一群組，利用所述計算機(jī)系統(tǒng)確定出所述群組所屬的各個集群中概率最大的集群，將所述群組劃分至所述集群中。

可選的，所述裝置還包括：第三計算模塊，用于對于任一集群，利用所述計算機(jī)系統(tǒng)計算被劃分至所述集群的群組屬于所述集群的概率的平均值；組合模塊，用于利用所述計算機(jī)系統(tǒng)將各個集群所對應(yīng)的平均值組成第二類概率；修正模塊，用于利用所述計算機(jī)系統(tǒng)利用所述第三計算模塊計算的所述第二類概率對所述第一計算模塊計算的所述第一類概率進(jìn)行修正，得到所述用戶分別屬于各個集群的修正后的第一類概率；第三劃分模塊，用于利用所述計算機(jī)系統(tǒng)確定出所述修正后的第一類概率中概率最大的集群，將所述用戶劃分至所述集群中。

可選的，所述第三劃分模塊，包括：迭代單元，用于利用所述計算機(jī)系統(tǒng)執(zhí)行所述計算所述用戶所加入群組分別屬于各個集群的概率的步驟，直至得到的修正后的第一類概率符合迭代終止條件；劃分單元，用于利用所述計算機(jī)系統(tǒng)確定出最后得到的修正后的第一類概率中概率最大的集群，將所述用戶劃分至所述集群中。

可選的，所述第一計算模塊，包括：第一累加單元，用于對于任一個集群，利用所述計算機(jī)系統(tǒng)將判定所述用戶屬于所述集群的各個好友用戶的可信度進(jìn)行累加，得到好友用戶判定所述用戶屬于所述集群的權(quán)重，所述權(quán)重為所述集群的各個好友用戶的可信度之和；第一計算單元，用于利用所述計算機(jī)系統(tǒng)將所述第一累加單元累加的所述集群的權(quán)重除以各個集群的權(quán)重之和，得到所述集群的相對強(qiáng)度，所述相對強(qiáng)度為所述集群的權(quán)重占各個集群的權(quán)重之和的比例；第二計算單元，用于利用所述計算機(jī)系統(tǒng)按照與所述第一累加單元累加的所述集群的權(quán)重相關(guān)的計算公式，計算所述集群的證據(jù)支撐度；第三計算單元，用于利用所述計算機(jī)系統(tǒng)將所述第一計算單元計算的所述集群的相對強(qiáng)度乘以所述第二計算單元計算的所述集群的證據(jù)支撐度，得到所述用戶屬于所述集群的概率；其中，所述計算公式為：所述λ_i為第i個集群的證據(jù)支撐度，所述T為所述好友用戶的參考數(shù)量，T≤n，n為所述用戶的好友用戶的總數(shù)量，所述ω(i)為好友用戶判定所述用戶屬于所述第i個集群的權(quán)重。

可選的，所述第二計算模塊，包括：獲取單元，用于對于所述用戶加入的每個群組，利用所述計算機(jī)系統(tǒng)獲取所述群組內(nèi)各個群成員屬于各個集群的概率；第四計算單元，用于對于任一集群，利用所述計算機(jī)系統(tǒng)計算各個群成員屬于所述集群的概率的平均值，將所述平均值記為所述群組屬于所述集群的概率。

可選的，所述第三計算模塊，包括：提取單元，用于對于任一集群，利用所述計算機(jī)系統(tǒng)提取出被劃分至所述集群的群組屬于所述集群的概率中大于預(yù)定概率閾值的概率；第五計算單元，用于利用所述計算機(jī)系統(tǒng)計算所述提取單元提取出的各個概率的平均值，得到被劃分至所述集群的群組屬于所述集群的概率的平均值。

可選的，所述修正模塊，包括：第六計算單元，用于對于任一集群，利用所述計算機(jī)系統(tǒng)計算第一參數(shù)和修正前的第一類概率中所述用戶屬于所述集群的概率的乘積，得到第一乘積；第七計算單元，用于利用所述計算機(jī)系統(tǒng)將第二參數(shù)和所述第二類概率中所述集群的概率的平均值的乘積，得到第二乘積；第八計算單元，用于利用所述計算機(jī)系統(tǒng)將所述第六計算單元計算的所述第一乘積與所述第七計算單元計算的所述第二乘積相加，得到修正后的第一類概率中所述集群所對應(yīng)的概率；其中，所述第一參數(shù)與所述第二參數(shù)之和為1。

可選的，所述迭代終止條件為：迭代次數(shù)達(dá)到預(yù)定次數(shù)閾值，或，最后相鄰兩次得到的修改正后的第一類概率的歐氏距離小于預(yù)定距離閾值。

附圖說明

為了更清楚地說明本發(fā)明實施例中的技術(shù)方案，下面將對實施例描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1是本發(fā)明一個實施例中提供的通過計算機(jī)系統(tǒng)實現(xiàn)的將用戶劃分至集群的方法的流程圖；

圖2A是本發(fā)明另一個實施例中提供的通過計算機(jī)系統(tǒng)實現(xiàn)的將用戶劃分至集群的方法的流程圖；

圖2B是本發(fā)明一個實施例中提供的計算用戶分別屬于各個集群的概率方法的流程圖；

圖2C是本發(fā)明一個實施例中提供的用戶所加入的群組分別屬于各個集群的概率的示意圖；

圖2D是本發(fā)明一個實施例中提供的計算該用戶所加入的群組分別屬于各個集群的概率方法的流程圖；

圖2E是本發(fā)明一個實施例中提供的該群組內(nèi)各個群成員屬于各個集群的概率的示意圖；

圖2F是本發(fā)明一個實施例中提供的計算被劃分至該集群的群組屬于該集群的概率的平均值方法的流程圖；

圖2G是本發(fā)明一個實施例中提供的利用第二類概率對第一類概率進(jìn)行修正方法的流程圖；

圖2H是本發(fā)明一個實施例中提供的計算機(jī)系統(tǒng)確定出修正后的第一類概率中概率最大的集群，將用戶劃分至該集群中方法的流程圖；

圖3是本發(fā)明一個實施例中提供的通過計算機(jī)系統(tǒng)實現(xiàn)的將用戶劃分至集群的裝置的結(jié)構(gòu)方框圖。

具體實施方式

為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合附圖對本發(fā)明實施方式作進(jìn)一步地詳細(xì)描述。

圖1是本發(fā)明一個實施例中提供的通過計算機(jī)系統(tǒng)實現(xiàn)的將用戶劃分至集群的方法的流程圖。如圖1所示，該通過計算機(jī)系統(tǒng)實現(xiàn)的將用戶劃分至集群的方法包括以下步驟。

步驟101，計算機(jī)系統(tǒng)獲取用戶的好友用戶。

步驟102，對于任一集群，計算機(jī)系統(tǒng)獲取各個好友用戶判定用戶屬于該集群的判定結(jié)果，每個判定結(jié)果用于指示每個好友用戶判定該用戶是否屬于該集群。

步驟103，計算機(jī)系統(tǒng)根據(jù)判定結(jié)果、各個好友用戶的可信度以及好友用戶的參考數(shù)量，計算用戶分別屬于各個集群的概率，將得到的各個概率記為第一類概率。

步驟104，計算機(jī)系統(tǒng)將用戶劃分至得到的第一類概率中最大概率所對應(yīng)的集群。

綜上所述，本發(fā)明實施例中提供的通過計算機(jī)系統(tǒng)實現(xiàn)的將用戶劃分至集群的方法，通過根據(jù)獲取各個好友用戶判定用戶屬于各個集群的判定結(jié)果、各個好友用戶的可信度以及好友用戶的參考數(shù)量，計算用戶分別屬于各個集群的第一類概率，將該用戶劃分至得到的第一類概率中最大概率所對應(yīng)的集群，由于用戶所屬某一集群的第一類概率與該用戶的各個好友用戶判定用戶屬于各個集群的判定結(jié)果、各個好友用戶的可信度以及好友用戶的參考數(shù)量相關(guān)；因此解決了相關(guān)技術(shù)中通常是由用戶自行選擇屬于的集群的集群劃分方法準(zhǔn)確率較低，且?guī)в杏脩舻闹饔^性的問題；達(dá)到了準(zhǔn)確的判斷出用戶屬于的集群，為用戶提供與該集群相應(yīng)的服務(wù)，更好的滿足用戶的需求的效果。

圖2A是本發(fā)明另一個實施例中提供的通過計算機(jī)系統(tǒng)實現(xiàn)的將用戶劃分至集群的方法的流程圖。如圖2A所示，該通過計算機(jī)系統(tǒng)實現(xiàn)的將用戶劃分至集群的方法包括以下步驟。

步驟201，計算機(jī)系統(tǒng)獲取用戶的好友用戶。

這里所講的用戶通常是指虛擬社交網(wǎng)絡(luò)賬號，這里所講的好友用戶通常是指與該用戶存在虛擬人際交流的其他用戶賬號，該用戶可以與好友用戶在客戶端和/或真實世界中可以具有好友關(guān)系也可以不具有好友關(guān)系。該虛擬人際交流是基于一種雙向確認(rèn)的方式，需用戶之間互相確認(rèn)。例如，兩個用戶互相加好友或互相關(guān)注后，彼此建立了社交關(guān)系，雙方成為彼此的社交網(wǎng)絡(luò)聯(lián)系人。

步驟202，對于任一集群，計算機(jī)系統(tǒng)獲取各個好友用戶判定用戶屬于該集群的判定結(jié)果。

可選的，每個判定結(jié)果用于指示每個好友用戶判定該用戶是否屬于該集群。

這里所講的判定結(jié)果可以用0和1來表示，當(dāng)某一好友用戶判定該用戶屬于某個集群時，則該好友用戶判定該用戶屬于該集群的判定結(jié)果為是，該判定結(jié)果用1來表示，當(dāng)好友用戶判定該用戶屬于某個集群時，則該好友用戶判定該用戶屬于該集群的判定結(jié)果為否，該判定結(jié)果用0來表示。

具體的，服務(wù)器可以向用戶的各個好友用戶推送與用來判定用戶屬于各個集群的相關(guān)問卷信息，通過接收各個好友用戶反饋給服務(wù)器的問卷答復(fù)，來獲取各個好友用戶判定用戶屬于各個集群的判定結(jié)果，當(dāng)然獲取各個好友用戶判定用戶屬于各個集群的判定結(jié)果的途徑有多種，對此本實施例不作具體限定。

步驟203，計算機(jī)系統(tǒng)根據(jù)判定結(jié)果、各個好友用戶的可信度以及好友用戶的參考數(shù)量，計算用戶分別屬于各個集群的概率，將得到的各個概率記為第一類概率。

這里所講的第一類概率是指該用戶屬于各個集群的概率的集合，當(dāng)服務(wù)器計算得到該用戶屬于各個集群的概率后，可以將屬于各個集群的概率以矩陣的形式來表示該用戶屬于各個集群的概率所構(gòu)成的第一類概率。比如，第一類概率可以表示為：P＝[P₁ P₂...P_m-1P_m]，其中P為用戶屬于各個集群的概率所構(gòu)成的第一類概率，P_m為該用戶屬于第m個集群的概率。

在一種可能的實現(xiàn)方式中，圖2B是本發(fā)明一個實施例中提供的計算用戶分別屬于各個集群的概率方法的流程圖。如圖2B所示，步驟203可以被步驟203a至步驟203d代替。

步驟203a，對于任一個集群，計算機(jī)系統(tǒng)將判定用戶屬于該集群的各個好友用戶的可信度進(jìn)行累加，得到好友用戶判定用戶屬于該集群的權(quán)重。

服務(wù)器可以根據(jù)好友用戶的在線上或線下消費情況、好友用戶的身份認(rèn)證信息、好友用戶的工作單位認(rèn)證信息等信息來綜合考量好友用戶的可信度。

當(dāng)服務(wù)器獲取到各個好友用戶判定用戶屬于各個集群的判定結(jié)果后，將判定該用戶屬于同一集群的各個好友用戶的可信度進(jìn)行累加，最終得到好友用戶判定該用戶屬于各個集群的權(quán)重。

具體的，將判定用戶屬于集群的各個好友用戶的可信度進(jìn)行累加的過程可以采用以下公式進(jìn)行計算：

$\mathrm{\ω}\left(i\right)={\mathrm{\Σ}}_{j=1}^n{C}_j\×I\left(j\right),$

其中，ω(i)為好友用戶判定該用戶屬于第i個集群的權(quán)重，n為該用戶的用戶好友的總數(shù)量，Cj為第j個好友用戶的可信度，I(j)為第j個好友用戶判定用戶屬于各個集群的判定結(jié)果。

步驟203b，計算機(jī)系統(tǒng)將集群的權(quán)重除以各個集群的權(quán)重之和，得到該集群的相對強(qiáng)度。

具體的，將集群的權(quán)重除以各個集群的權(quán)重之和的過程可以采用以下公式進(jìn)行計算：

${\mathrm{\β}}_i=\frac{\mathrm{\ω}\left(i\right)}{{\mathrm{\Σ}}_1^m\mathrm{\ω}\left(i\right)},$

其中，βi為第i個集群的相對強(qiáng)度，m為集群的總數(shù)量。

步驟203c，計算機(jī)系統(tǒng)按照與集群的權(quán)重相關(guān)的計算公式，計算該集群的證據(jù)支撐度。

這里所講的計算公式為：

${\mathrm{\λ}}_i=\frac{1}{1+e^{-\frac{\mathrm{\ω}\left(i\right)}{T}}},$

其中，λ_i為第i個集群的證據(jù)支撐度，e為自然常數(shù)(約為2.71828)，T為好友用戶的參考數(shù)量，T≤n。

當(dāng)T越大時，說明服務(wù)器在計算該集群的相對強(qiáng)度所要考量的用戶好友的數(shù)量(及參考數(shù)量)越多，計算該集群的相對強(qiáng)度的結(jié)果越嚴(yán)格。由該計算公式可知，T取值越大，λ_i越小。

步驟203d，計算機(jī)系統(tǒng)將集群的相對強(qiáng)度乘以該集群的證據(jù)支撐度，得到用戶屬于該集群的概率。

具體的，將集群的相對強(qiáng)度乘以該集群的證據(jù)支撐度的過程可以采用以下公式進(jìn)行計算：

P_i＝λ_i×β_i，

其中，Pi為該用戶屬于第i個集群的概率。

步驟204，計算機(jī)系統(tǒng)將用戶劃分至得到的第一類概率中最大概率所對應(yīng)的集群。

這里所講的群組是指用戶自主加入的虛擬群組，處于同一虛擬群組中的各個群成員彼此可以進(jìn)行互動。

在用戶尚未加入群組時，服務(wù)器可以直接根據(jù)用戶好友判定用戶屬于各個集群的判定結(jié)果，通過一系列的計算公式，計算得到該用戶屬于各個集群的概率所構(gòu)成的第一類概率。

由于用戶屬于某個集群的概率越大時，該用戶屬于該集群的可能性越大，因此當(dāng)服務(wù)器計算得到該用戶屬于各個集群的概率所構(gòu)成的第一類概率后，可以將該用戶劃分至得到的第一類概率中最大概率所對應(yīng)的集群。

步驟205，在用戶已經(jīng)加入了至少一個群組時，計算機(jī)系統(tǒng)計算該用戶所加入的群組分別屬于各個集群的概率。

對于任一群組，該群組中各個群成員屬于各個集群的概率可以用矩陣Z來表示：其中，Y為用戶所加入的群組分別屬于各個客群的概率的集合，m為集群的總數(shù)量，n為群組的總數(shù)量。那么，P₁₁表示群組1屬于集群1的概率，P_1m表示群組1屬于集群m的概率，也就是說，Y中的每一行的元素為每個群組屬于各個集群的概率，類似的，P₂₁表示群組2屬于集群1的概率，P_2m表示群組2屬于集群m的概率，也就是說，Y中的每一列的元素為各個群組屬于每個集群的概率。

圖2C是本發(fā)明一個實施例中提供的用戶所加入的群組分別屬于各個集群的概率的示意圖。如圖2C所示，當(dāng)說明用戶加入的群組1屬于客群1的概率為0.7，屬于集群2為0.3，用戶加入的群組2屬于集群1的概率為0.8，用戶加入的群組3不屬于任何集群。

在一種可能的實現(xiàn)方式中，圖2D是本發(fā)明一個實施例中提供的計算機(jī)系統(tǒng)計算該用戶所加入的群組分別屬于各個集群的概率方法的流程圖。如圖2D所示，步驟205可以被步驟205a至步驟205c代替。

步驟205a，對于用戶加入的每個群組，計算機(jī)系統(tǒng)獲取該群組內(nèi)各個群成員屬于各個集群的概率。

當(dāng)服務(wù)器獲取用戶所加入的各個群組后，獲取各個群組內(nèi)預(yù)定個群成員屬于各個集群的概率。

這里所講的預(yù)定個群成員可以是群組內(nèi)的全部群成員，也可以是群組內(nèi)的指定數(shù)量群成員，對此本實施例不作具體限定。

對于任一群組，該群組中各個群成員屬于各個集群的概率可以用矩陣Z來表示：其中，Z_k為第k個群組，m為集群的總數(shù)量，n為群成員的總數(shù)量。那么，P_a1表示群成員a屬于集群1的概率，P_am表示群成員a屬于集群m的概率，也就是說，Z_k中的每一行的元素為每個群成員屬于各個集群的概率，類似的，P_b1表示群成員b屬于集群1的概率，P_bm表示群成員b屬于集群m的概率，也就是說，Z_k中的每一列的元素為各個群成員屬于每個集群的概率。

圖2E是本發(fā)明一個實施例中提供的該群組內(nèi)各個群成員屬于各個集群的概率的示意圖。如圖2E所示，當(dāng)說明在群組1中，群成員a屬于集群1的概率為0.7，屬于集群2為0.3，群成員b屬于集群1的概率為0.8，群成員c不屬于任何集群。

步驟205b，對于任一集群，計算機(jī)系統(tǒng)計算各個群成員屬于該集群的概率的平均值，將該平均值記為群組屬于該集群的概率。

可選的，對于任一集群，計算同一群組中各個群成員屬于該集群的概率的概率和的過程可以采用以下公式進(jìn)行計算：

G_i＝GU_{群成員矩陣}×U_i，

其中，G_i為各個群成員屬于第i個集群的概率的概率和，GU_{群成員矩陣}為屬于某一群組中屬于第i個集群的群成員的關(guān)系矩陣，U_i為各個群成員屬于第i個集群的概率的集合對應(yīng)的矩陣。

求出了各個群成員屬于該集群的概率的概率和后，可以根據(jù)群成員屬于該集群的總?cè)藬?shù)，對各個群成員屬于該集群的概率求平均值。

計算各個群成員屬于該集群的概率的平均值即為對U_i中一列元素求平均。舉例來講，一個群組包括3名成員，以矩陣的形式來表示群成員屬于該集群的概率，其中：

成員a：屬于集群1的概率為0，屬于集群2的概率為0.5，屬于集群3的概率為0.8。那么，成員a屬于各個集群的概率所構(gòu)成的第一類概率可以表示為P_a＝[0 0.5 0.8]；

成員b：屬于集群1的概率為0.7，屬于集群2的概率為0.4，屬于集群3的概率為0.9。那么，成員b屬于各個集群的概率所構(gòu)成的第一類概率可以表示為P_b＝[0.7 0.4 0.9]；

成員c：屬于集群1的概率為0，屬于集群2的概率為0.3，屬于集群3的概率為0.1。那么，成員c屬于各個集群的概率所構(gòu)成的第一類概率可以表示為P_c＝[0 0.3 0.1]；

因此，群組屬于集群1的概率為P1＝(0+0.7+0)/3＝0.2，群組屬于集群2的概率為P2＝(0.5+0.4+0.3)/3＝0.4，群組屬于集群3的概率為P3＝(0.8+0.9+0.1)/3＝0.6。

可選的，由于當(dāng)用戶屬于某一集群的概率較小時，說明該概率不具有代表性，為了使群成員屬于該集群的概率的平均值的計算結(jié)果更加準(zhǔn)確，服務(wù)器在計算平均值之前，可以先排除各個群成員屬于某一集群的概率中概率值較低的概率。具體的，服務(wù)器在計算各個群成員屬于該集群的概率的平均值之前，將各個群成員屬于某一集群的概率中概率值小于概率閾值的概率剔除。本實施例不限定概率閾值的大小。

在上述舉例中，假設(shè)概率閾值為0.6，服務(wù)器將概率值將小于0.6的概率剔除后，計算得到群組屬于集群1的概率為P1＝0.7，群組屬于集群2的概率為P2＝0，群組屬于集群3的概率為P3＝(0.8+0.9)/2＝0.9。

可選的，設(shè)置集群準(zhǔn)入條件，對于每個集群，當(dāng)屬于該集群的群成員的成員比例小于比例閾值時，將該集群剔除。這里所講的成員比例是指該屬于該集群的群成員的總數(shù)量與該群組的群成員的總數(shù)量的比例。具體的，服務(wù)器在計算各個群成員屬于該集群的概率的平均值之前，將成員比例小于比例閾值的集群剔除，群組屬于被剔除集群的概率為0。本實施例不限定概率閾值的大小。

在上述舉例中，假設(shè)比例閾值為0.5，那么集群1的成員比例為0.3，集群2的成員比例為1，集群3的概率為1，服務(wù)器則將集群1剔除，計算得到群組屬于集群2的概率為P2＝0，群組屬于集群3的概率為P3＝(0.8+0.9+0.1)/3＝0.6。

可選的，服務(wù)器將集群1剔除后，先將各個群成員屬于集群1和各個群成員屬于集群2的概率中小于概率閾值的概率剔除，再計算各個群成員屬于該集群的概率的平均值。

在上述舉例中，假設(shè)比例閾值為0.5，概率閾值為0.6。那么集群1的成員比例為0.3，集群2的成員比例為1，集群3的概率為1，服務(wù)器則將集群1剔除，再將將概率值將小于0.6的概率剔除，計算得到群組屬于集群2的概率為P2＝0，群組屬于集群3的概率為P3＝(0.8+0.9)/2＝0.9。

步驟206，對于任一群組，計算機(jī)系統(tǒng)確定出該群組所屬的各個集群中概率最大的集群，將該群組劃分至該集群中。

比如，群組屬于集群1的概率為P1＝0.2，群組屬于集群2的概率為P2＝0.4，群組屬于集群3的概率為P3＝0.6，由于群組屬于集群3的概率最大，因此服務(wù)器將群組劃分至集群3中。

步驟207，對于任一集群，計算機(jī)系統(tǒng)計算被劃分至該集群的群組屬于該集群的概率的平均值。

在一種可能的實現(xiàn)方式中，圖2F是本發(fā)明一個實施例中提供的計算機(jī)系統(tǒng)計算被劃分至該集群的群組屬于該集群的概率的平均值方法的流程圖。如圖2F所示，步驟207可以被步驟207a至步驟207b代替。

步驟207a，對于任一集群，計算機(jī)系統(tǒng)提取出被劃分至該集群的群組屬于該集群的概率中大于預(yù)定概率閾值的概率。

舉例來講，假設(shè)預(yù)定概率閾值為0.6，用戶所在的群組1被劃分至集群1屬于集群1的概率為0.2，用戶所在的群組2被劃分至集群1屬于集群1的概率為0.4，用戶所在的群組3被劃分至集群1屬于集群1的概率為0.6，用戶所在的群組4被劃分至集群2屬于集群2的概率為1.3。服務(wù)器在用戶所在的群組中，無法提取出被劃分至集群1的群組屬于集群1中大于0.6的概率，可以提取出被劃分至集群1的群組屬于集群2中大于0.6的概率1.3。

需要說明的是，本實施例不限定預(yù)定概率閾值的大小。

步驟207b，計算機(jī)系統(tǒng)計算提取出的各個概率的平均值，得到被劃分至該集群的群組屬于該集群的概率的平均值。

比如，假設(shè)服務(wù)器所提取出的被劃分至某一集群的群組屬于該集群的概率中，有3個群組屬于集群1，其中：

群組1屬于集群1的概率為0.6，群組2屬于集群1的概率為0.7，群組3屬于集群1的概率為0.8。

有3個群組屬于集群2，其中：

群組4屬于集群2的概率為0.5，群組5屬于集群2的概率為0.7，群組6屬于集群2的概率為0.9。

通過計算，被劃分至集群1的群組屬于集群1的概率的平均值為(0.6+0.7+0.8)/3＝0.7，被劃分至集群2的群組屬于集群2的概率的平均值為(0.5+0.7+0.9)/3＝0.7。

可選的，服務(wù)器將被劃分至某一集群的群組屬于該集群的概率中小于概率閾值的概率剔除后，再計算提取出的各個概率的屬于該集群的平均值，得到被劃分至該集群的群組屬于該集群的概率的平均值。

在上述舉例中，假設(shè)概率閾值為0.5，服務(wù)器將群組4屬于集群2的概率剔除后，通過計算，得到群組屬于集群1的概率的平均值為(0.6+0.7+0.8)/3＝0.7，群組屬于集群2的概率的平均值為(0.7+0.9)/2＝0.8。

步驟208，計算機(jī)系統(tǒng)將各個集群所對應(yīng)的平均值組成第二類概率。

這里所講的第二類概率也可以用矩陣的形式表示。

舉例來講，設(shè)被劃分至集群1的群組屬于集群1的概率的平均值為Q1＝0.2，被劃分至集群2的群組屬于集群2的概率的平均值為Q2＝0.4，被劃分至集群3的群組屬于集群3的概率的平均值為Q3＝0.6。那么，群組屬于各個集群的概率所構(gòu)成的第二類概率(用Q來表示)為Q＝[0.2 0.4 0.6]。

步驟209，計算機(jī)系統(tǒng)利用第二類概率對第一類概率進(jìn)行修正，得到用戶分別屬于各個集群的修正后的第一類概率。

在一種可能的實現(xiàn)方式中，圖2G是本發(fā)明一個實施例中提供的計算機(jī)系統(tǒng)利用第二類概率對第一類概率進(jìn)行修正方法的流程圖。如圖2G所示，步驟209可以被步驟209a至步驟209c代替。

步驟209a，對于任一集群，計算機(jī)系統(tǒng)計算第一參數(shù)和修正前的第一類概率中用戶屬于該集群的概率的乘積，得到第一乘積。

步驟209b，計算機(jī)系統(tǒng)將第二參數(shù)和第二類概率中集群的概率的平均值的乘積，得到第二乘積。

步驟209c，計算機(jī)系統(tǒng)將第一乘積與第二乘積相加，得到修正后的第一類概率中該集群所對應(yīng)的概率。

需要說明的是，這里所講的第一參數(shù)與第二參數(shù)之和為1。

具體的，利用第二類概率對第一類概率進(jìn)行修正的過程可以采用以下公式進(jìn)行計算：

P_i′＝α×P_i+(1-α)×Q_i，

其中，P_i′為用戶分別屬于第i集群的修正后的第一類概率，Q_i為第i個集群的群組屬于第i個集群的概率的平均值，α為第一參數(shù)，(1-α)為第二參數(shù)。

當(dāng)α>(1-α)時，說明P_i′的取值受P_i的影響更大，當(dāng)α<(1-α)時，說明P_i′的取值受Q_i的影響更大。

步驟210，計算機(jī)系統(tǒng)確定出修正后的第一類概率中概率最大的集群，將用戶劃分至該集群中。

在一種可能實現(xiàn)的方式中，圖2H是本發(fā)明一個實施例中提供的計算機(jī)系統(tǒng)確定出修正后的第一類概率中概率最大的集群，將用戶劃分至該集群中方法的流程圖。如圖2H所示，步驟210可以被步驟210a至步驟210b代替。

步驟210a，計算機(jī)系統(tǒng)執(zhí)行計算用戶所加入群組分別屬于各個集群的概率的步驟，直至得到的修正后的第一類概率符合迭代終止條件。

步驟210b，計算機(jī)系統(tǒng)確定出最后得到的修正后的第一類概率中概率最大的集群，將用戶劃分至該集群中。

由于用戶屬于某個集群的概率越大時，該用戶屬于該集群的可能性越大，因此當(dāng)服務(wù)器計算得到修正后的第一類概率中集群所對應(yīng)的概率后，可以將該用戶劃分至得到的修正后的第一類概率中最大概率所對應(yīng)的集群。

當(dāng)?shù)K止條件為迭代次數(shù)達(dá)到預(yù)定次數(shù)閾值時，迭代次數(shù)的初始值為0，當(dāng)服務(wù)器利用第二類概率對第一類概率進(jìn)行修正后，判斷迭代次數(shù)是否達(dá)到預(yù)定次數(shù)閾值，若迭代次數(shù)達(dá)到預(yù)定次數(shù)閾值，則將用戶劃分至最后得到的修正后的第一類概率中最大概率所對應(yīng)的集群。

當(dāng)?shù)K止條件為最后相鄰兩次得到的修改正后的第一類概率的歐氏距離小于預(yù)定距離閾值時，當(dāng)服務(wù)器利用第二類概率對第一類概率進(jìn)行修正后，判段修正后的第一類概率P_i′與第一類概率P_i歐氏距離是否小于預(yù)定距離閾值，若歐氏距離是否小于預(yù)定距離閾值，則將用戶劃分至最后得到的修正后的第一類概率中最大概率所對應(yīng)的集群。

需要說明的是，本實施例不限定預(yù)定次數(shù)閾值和預(yù)定距離閾值的大小。

綜上所述，本發(fā)明實施例中提供的通過計算機(jī)系統(tǒng)實現(xiàn)的將用戶劃分至集群的方法，通過根據(jù)獲取各個好友用戶判定用戶屬于各個集群的判定結(jié)果、各個好友用戶的可信度以及好友用戶的參考數(shù)量，計算用戶分別屬于各個集群的第一類概率，將該用戶劃分至得到的第一類概率中最大概率所對應(yīng)的集群，由于用戶所屬某一集群的第一類概率與該用戶的各個好友用戶判定用戶屬于各個集群的判定結(jié)果、各個好友用戶的可信度以及好友用戶的參考數(shù)量相關(guān)；因此解決了相關(guān)技術(shù)中通常是由用戶自行選擇屬于的集群的集群劃分方法準(zhǔn)確率較低，且?guī)в杏脩舻闹饔^性的問題；達(dá)到了準(zhǔn)確的判斷出用戶屬于的集群，為用戶提供與該集群相應(yīng)的服務(wù)，更好的滿足用戶的需求的效果。

在本實施例中，通過迭代計算，不斷利用該第二類概率對第一類概率進(jìn)行修正，使得修正后的第一類概率更為精準(zhǔn)。

在本實施例中，通過提取出被劃分至某一集群且屬于該集群的概率中大于預(yù)定概率閾值的概率的群組，來計算該集群的概率的平均值，避免集群的概率的平均值受到概率較低的群組的影響，平均值產(chǎn)生較大偏差。

下述為本發(fā)明裝置實施例，對于裝置實施例中未詳盡描述的細(xì)節(jié)，可以參考上述一一對應(yīng)的方法實施例。

圖3是本發(fā)明一個實施例中提供的通過計算機(jī)系統(tǒng)實現(xiàn)的將用戶劃分至集群的裝置的結(jié)構(gòu)方框圖。如圖3所示，該通過計算機(jī)系統(tǒng)實現(xiàn)的將用戶劃分至集群的裝置包括：第一獲取模塊301、第二獲取模塊302、第一計算模塊303和第一劃分模塊304。

第一獲取模塊301，用于利用計算機(jī)系統(tǒng)獲取用戶的好友用戶；

第二獲取模塊302，用于對于任一集群，利用計算機(jī)系統(tǒng)獲取各個好友用戶判定用戶屬于該集群的判定結(jié)果，每個判定結(jié)果用于指示每個好友用戶判定該用戶是否屬于該集群；

第一計算模塊303，用于利用計算機(jī)系統(tǒng)根據(jù)第二獲取模塊302獲取的判定結(jié)果、各個好友用戶的可信度以及好友用戶的參考數(shù)量，計算用戶分別屬于各個集群的概率，將得到的各個該概率記為第一類概率；

第一劃分模塊304，用于利用計算機(jī)系統(tǒng)將用戶劃分至得到的第一計算模塊303計算的第一類概率中最大概率所對應(yīng)的集群。

該裝置還包括：第二計算模塊、第二劃分模塊。

第二計算模塊，用于在得到的各個概率記為第一類概率之后，在用戶已經(jīng)加入了至少一個群組時，利用計算機(jī)系統(tǒng)計算該用戶所加入的群組分別屬于各個集群的概率；

第二劃分模塊，用于對于任一群組，利用計算機(jī)系統(tǒng)確定出群組所屬的各個集群中概率最大的集群，將該群組劃分至該集群中。

該裝置包括：第三計算模塊、組合模塊、修正模塊和第三劃分模塊。

第三計算模塊，用于對于任一集群，利用計算機(jī)系統(tǒng)計算被劃分至集群的群組屬于該集群的概率的平均值；

組合模塊，用于利用計算機(jī)系統(tǒng)將各個集群所對應(yīng)的平均值組成第二類概率；

修正模塊，用于利用計算機(jī)系統(tǒng)利用第三計算模塊計算的第二類概率對第一計算模塊303計算的第一類概率進(jìn)行修正，得到用戶分別屬于各個集群的修正后的第一類概率；

第三劃分模塊310，用于利用計算機(jī)系統(tǒng)確定出修正后的第一類概率中概率最大的集群，將用戶劃分至該集群中。

第三劃分模塊，包括：迭代單元和劃分單元。

迭代單元，用于利用計算機(jī)系統(tǒng)執(zhí)行計算用戶所加入群組分別屬于各個集群的概率的步驟，直至得到的修正后的第一類概率符合迭代終止條件；

劃分單元，用于利用計算機(jī)系統(tǒng)確定出最后得到的修正后的第一類概率中概率最大的集群，將用戶劃分至該集群中。

該第一計算模塊303，包括：第一累加單元、第一計算單元、第二計算單元和第三計算單元。

第一累加單元，用于對于任一個集群，利用計算機(jī)系統(tǒng)將判定用戶屬于該集群的各個好友用戶的可信度進(jìn)行累加，得到好友用戶判定該用戶屬于該集群的權(quán)重，該權(quán)重為該集群的各個好友用戶的可信度之和；

第一計算單元，用于利用計算機(jī)系統(tǒng)將第一累加單元累加的集群的權(quán)重除以各個集群的權(quán)重之和，得到該集群的相對強(qiáng)度，該相對強(qiáng)度為該集群的權(quán)重占各個集群的權(quán)重之和的比例；

第二計算單元，用于利用計算機(jī)系統(tǒng)按照與第一累加單元累加的集群的權(quán)重相關(guān)的計算公式，計算該集群的證據(jù)支撐度；

第三計算單元，用于利用計算機(jī)系統(tǒng)將第一計算單元計算的集群的相對強(qiáng)度乘以第二計算單元計算的該集群的證據(jù)支撐度，得到該用戶屬于該集群的概率；

其中，該計算公式為：

${\mathrm{\&lambda;}}_i=\frac{1}{1+e^{-\frac{\mathrm{\&omega;}\left(i\right)}{T}}},$

該λi為第i個集群的證據(jù)支撐度，該T為好友用戶的參考數(shù)量，T≤n，n為該用戶的好友用戶的總數(shù)量，該ω(i)為好友用戶判定該用戶屬于第i個集群的權(quán)重。

該第二計算模塊，包括：獲取單元和第四計算單元。

獲取單元，用于對于用戶加入的每個群組，利用計算機(jī)系統(tǒng)獲取群組內(nèi)各個群成員屬于各個集群的概率；

第四計算單元，用于對于任一集群，利用計算機(jī)系統(tǒng)計算各個群成員屬于集群的概率的平均值，將該平均值記為該群組屬于該集群的概率。

該第三計算模塊，包括：提取單元和第五計算單元。

提取單元，用于對于任一集群，利用計算機(jī)系統(tǒng)提取出被劃分至該集群的群組屬于該集群的概率中大于預(yù)定概率閾值的概率；

第五計算單元，用于利用計算機(jī)系統(tǒng)計算該提取單元提取出的各個概率的平均值，得到被劃分至集群的群組屬于該集群的概率的平均值。

該迭代模塊，包括：第六計算單元、第七計算單元和第八計算單元。

第六計算單元，用于對于任一集群，利用計算機(jī)系統(tǒng)計算第一參數(shù)和修正前的第一類概率中用戶屬于該集群的概率的乘積，得到第一乘積；

第七計算單元，用于利用計算機(jī)系統(tǒng)將第二參數(shù)和第二類概率中集群的概率的平均值的乘積，得到第二乘積；

第八計算單元，用于利用計算機(jī)系統(tǒng)將第六計算單元計算的第一乘積與第七計算單元計算的第二乘積相加，得到修正后的第一類概率中集群所對應(yīng)的概率；

其中，該第一參數(shù)與該第二參數(shù)之和為1。

該迭代終止條件為：迭代次數(shù)達(dá)到預(yù)定次數(shù)閾值，或，最后相鄰兩次得到的修改正后的第一類概率的歐氏距離小于預(yù)定距離閾值。

綜上所述，本發(fā)明實施例中提供的通過計算機(jī)系統(tǒng)實現(xiàn)的將用戶劃分至集群的裝置，通過根據(jù)獲取各個好友用戶判定用戶屬于各個集群的判定結(jié)果、各個好友用戶的可信度以及好友用戶的參考數(shù)量，計算用戶分別屬于各個集群的第一類概率，將該用戶劃分至得到的第一類概率中最大概率所對應(yīng)的集群，由于用戶所屬某一集群的第一類概率與該用戶的各個好友用戶判定用戶屬于各個集群的判定結(jié)果、各個好友用戶的可信度以及好友用戶的參考數(shù)量相關(guān)；因此解決了相關(guān)技術(shù)中通常是由用戶自行選擇屬于的集群的集群劃分方法準(zhǔn)確率較低，且?guī)в杏脩舻闹饔^性的問題；達(dá)到了準(zhǔn)確的判斷出用戶屬于的集群，為用戶提供與該集群相應(yīng)的服務(wù)，更好的滿足用戶的需求的效果。

在本實施例中，通過迭代計算，不斷利用該第二類概率對第一類概率進(jìn)行修正，使得修正后的第一類概率更為精準(zhǔn)。

在本實施例中，通過提取出被劃分至某一集群且屬于該集群的概率中大于預(yù)定概率閾值的概率的群組，來計算該集群的概率的平均值，避免集群的概率的平均值受到概率較低的群組的影響，平均值產(chǎn)生較大偏差。

需要說明的是：上述實施例中提供的通過計算機(jī)系統(tǒng)實現(xiàn)的將用戶劃分至集群的裝置在顯示視圖時，僅以上述各功能模塊的劃分進(jìn)行舉例說明，實際應(yīng)用中，可以根據(jù)需要而將上述功能分配由不同的功能模塊完成，即將智能設(shè)備的內(nèi)部結(jié)構(gòu)劃分成不同的功能模塊，以完成以上描述的全部或者部分功能。另外，上述實施例提供的通過計算機(jī)系統(tǒng)實現(xiàn)的將用戶劃分至集群的裝置與通過計算機(jī)系統(tǒng)實現(xiàn)的將用戶劃分至集群的方法實施例屬于同一構(gòu)思，其具體實現(xiàn)過程詳見方法實施例，這里不再贅述。

上述本發(fā)明實施例序號僅僅為了描述，不代表實施例的優(yōu)劣。

本領(lǐng)域普通技術(shù)人員可以理解實現(xiàn)上述實施例的全部或部分步驟可以通過硬件來完成，也可以通過程序來指令相關(guān)的硬件完成，所述的程序可以存儲于一種計算機(jī)可讀存儲介質(zhì)中，上述提到的存儲介質(zhì)可以是只讀存儲器，磁盤或光盤等。

以上所述僅為本發(fā)明的較佳實施例，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。