(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111279657.2 (22)申请日 2021.10.28 (71)申请人 中国工商银行股份有限公司 地址 100140 北京市西城区复兴门内大街 55号 (72)发明人 刘浩杰　 (74)专利代理 机构 北京三友知识产权代理有限 公司 11127 代理人 崔博　杨勇 (51)Int.Cl. G06Q 40/02(2012.01) G06Q 40/04(2012.01) G06N 20/00(2019.01) (54)发明名称 基于机器学习的用户分类方法、 装置及系统 (57)摘要 本申请实施例提供一种基于机器学习的用 户分类方法、 装置及系统， 可用于金融领域， 方法 包括： 获取用户的交易数据和行为特征信息， 并 根据预设规则配置文件对所述行为特征信息进 行数字转化； 根据所述交易数据和经过所述数字 转化后的行为特征信息确定所述用户在多维坐 标系中对应的坐标值， 并根据所述坐标值确定集 合中心点与其点间距离在预设阈值范围内的所 属用户类别集合； 根据所述所属用户类别集合确 定所述用户对应的用户类别并根据所述用户类 别对所述用户执行相应的业务处理操作； 本申请 能够准确结合多维度的用户交易数据和用户行 为数据对用户类别或者用户等级进行划分， 以此 提高后续针对用户进行业 务处理的准确性。 权利要求书2页 说明书11页 附图5页 CN 113902554 A 2022.01.07 CN 113902554 A 1.一种基于 机器学习的用户分类方法， 其特 征在于， 所述方法包括： 获取用户的交易数据和行为特征信 息， 并根据预设规则配置文件对所述行为特征信 息 进行数字转化； 根据所述交易数据和经过所述数字转化后的行为特征信息确定所述用户在多维坐标 系中对应的坐标值， 并根据所述坐标值确定集合中心点与其点间距离在预设阈值范围内的 所属用户类别集 合； 根据所述所属用户类别集合确定所述用户对应的用户类别并根据所述用户类别对所 述用户执 行相应的业 务处理操作。 2.根据权利要求1所述的基于机器学习的用户分类方法， 其特征在于， 所述根据 所述交 易数据和经过所述数字转化后的行为特征信息确定所述用户在多维坐标系中对应的坐标 值， 包括： 根据所述交易数据和经过所述数字转化后的行为特征信 息中包含的数据类型， 确定多 维坐标系的构成维度； 根据所述交易数据和所述行为特征信 息中各数据类型的具体数值， 确定所述用户在所 述多维坐标系中的坐标值。 3.根据权利要求1所述的基于机器学习的用户分类方法， 其特征在于， 在所述根据 所述 坐标值确定集 合中心点与其 点间距离在预设阈值范围内的所属用户类别集 合之前， 包括： 随机选取至少一个其 他用户在多维坐标系中对应的坐标值 为初始集 合中心点； 将对应的坐标值与所述初始集合中心的点间距离在预设阈值范围内的所有其他用户 划分为同一所属用户类别集合， 并将所述初始 集合中心 点确定为所述所属用户类别集合的 集合中心点。 4.根据权利要求3所述的基于机器学习的用户分类方法， 其特征在于， 在所述将对应的 坐标值与所述初始集合中心的点间距离在预设阈值范围内的所有其他用户划分为同一所 属用户类别集 合之后， 包括： 对所述所属用户类别集 合中的所有其 他用户的坐标值进行算 术平均计算； 根据所述 算术平均计算的结果确定经 过修正后的所属用户类别集 合的集合中心点。 5.一种基于 机器学习的用户分类装置， 其特 征在于， 包括： 用户特征数字化模块， 用于获取用户的交易数据和行为特征信息， 并根据预设规则配 置文件对所述行为特 征信息进行 数字转化； 用户类别确定模块， 用于根据 所述交易数据和经过所述数字转化后的行为特征信 息确 定所述用户在多维坐标系中对应的坐标值， 并根据所述坐标值确定集合中心 点与其点间距 离在预设阈值范围内的所属用户类别集 合； 业务处理模块， 用于根据所述所属用户类别集合确定所述用户对应的用户类别并根据 所述用户类别对所述用户执 行相应的业 务处理操作。 6.根据权利要求5所述的基于机器学习的用户分类装置， 其特征在于， 所述用户类别确 定模块包括： 坐标系构建单元， 用于根据 所述交易数据和经过所述数字转化后的行为特征信 息中包 含的数据类型， 确定多维坐标系的构成维度； 坐标值确定单元， 用于根据 所述交易数据和所述行为特征信 息中各数据类型的具体数权　利　要　求　书 1/2 页 2 CN 113902554 A 2值， 确定所述用户在所述多维坐标系中的坐标值。 7.根据权利要求5所述的基于机器学习的用户分类装置， 其特征在于， 所述用户类别确 定模块还 包括： 初始集合中心选取单元， 用于随机选取至少一个其他用户在多维坐标系中对应的坐标 值为初始集 合中心点； 用户类别集合划分单元， 用于将对应的坐标值与 所述初始集合中心的点间距离在预设 阈值范围内的所有其他用户划分为同一所属用户类别集合， 并将所述初始 集合中心 点确定 为所述所属用户类别集 合的集合中心点。 8.根据权利要求5所述的基于机器学习的用户分类装置， 其特征在于， 所述用户类别确 定模块还 包括： 算术平均单元， 用于对所述所属用户类别集合中的所有其他用户的坐标值进行算术平 均计算； 集合中心修正单元， 用于根据 所述算术平均计算的结果确定经过修正后的所属用户类 别集合的集合中心点。 9.一种基于机器学习的用户分类系统， 其特征在于， 包括： 大数据湖、 数据汇总服务器、 数据加工服 务器、 分类服 务器以及业 务处理服务器； 所述大数据湖用于存 储用户的交易数据和行为特 征信息； 所述数据汇总服务器与所述大数据湖和所述数据加工服务器连接， 所述数据汇总服务 器用于从所述大数据湖中获取用户的交易数据和行为特征信息并发送至所述数据加工服 务器； 所述数据加工服务器与所述分类服务器连接， 所述数据加工服务器用于根据 预设规则 配置文件对所述行为特征信息进 行数字转化， 并将所述交易数据和经过所述数字转化后的 行为特征信息发送至所述分类服 务器； 所述分类服务器与 所述大数据湖连接， 所述分类服务器用于根据 所述交易数据和经过 所述数字转化后的行为特征信息确定所述用户在多维坐标系中对应的坐标值， 并根据所述 坐标值确定集合中心 点与其点间距离在预设阈值范围内的所属用户类别集合， 并将所述用 户对应的所属用户类别集 合发送至所述大 数据湖中进行存 储； 所述业务处理服务器与所述大数据湖连接， 所述业务处理服务器用于根据所述大数据 湖中存储的所述所属用户类别集合确定所述用户对应的用户类别并根据所述用户类别对 所述用户执 行相应的业 务处理操作。 10.一种电子设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的计算 机程序， 其特征在于， 所述处理器执行所述程序时实现权利要求1至4任一项所述的基于机 器学习的用户分类方法的步骤。 11.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该计算机程序被 处理器执行时实现权利要求1至4任一项所述的基于 机器学习的用户分类方法的步骤。权　利　要　求　书 2/2 页 3 CN 113902554 A 3