(19)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 202210859526.X (22)申请日 2022.07.21 (71)申请人 中国银行股份有限公司 地址 100818 北京市西城区复兴门内大街1 号 (72)发明人 张远翔　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 专利代理师 钱娜 (51)Int.Cl. G06K 9/62(2022.01) G06Q 40/02(2012.01) (54)发明名称 一种客户分类方法及 装置、 存储介质及电子 设备 (57)摘要 本申请公开了一种客户分类方法及装置、 存 储介质及电子设备， 可应用于 金融领域或其他领 域， 包括： 对获取的各个信用卡客户数据进行筛 选， 得到多个样本客户数据； 确定各个聚类数， 对 于每个聚类数， 使用K ‑means算法对各个样本客 户数据进行聚类处理， 以对每个样 本客户数据所 属的信用卡客户进行分类， 得到与聚类数对应的 客户分类结果； 确定每个客户分类结果的轮廓系 数值， 并将最大的轮廓系数值所属的客户分类结 果作为最终的客户分类结果。 本发明使用K ‑ means算法对各个样本客户数据进行处理， 对各 个信用卡客户进行分类， 在得到的各个客户分类 结果中选 择最优的客户分类结果， 以便于工作人 员基于该客户分类结果制定营销策略。 权利要求书2页 说明书12页 附图4页 CN 115186760 A 2022.10.14 CN 115186760 A 1.一种客户分类方法， 其特 征在于， 包括： 获取多个信用卡 客户数据； 对各个所述信用卡 客户数据进行筛 选， 得到多个样本客户数据； 确定各个聚类数， 对于每个所述聚类数， 使用预设的K ‑means算法对各个所述样本客户 数据进行聚类处理， 以对每个所述样本客户数据所属的信用卡客户进行分类， 得到与所述 聚类数对应的客户分类结果， 所述客户分类结果中包含多个客户分类集合， 所述客户分类 集合中包含至少一个信用卡 客户， 所述 客户集合的个数等于所述聚类数； 确定每个所述客户分类结果的轮廓系数值， 并将最大的轮廓系数值所属的客户分类结 果作为最优的客户分类结果。 2.根据权利要求1所述的方法， 其特征在于， 所述对各个所述信用卡客户数据进行筛 选， 得到多个样本客户数据， 包括： 确定各个标准数据属性； 对于每个所述信用卡客户数据， 从所述信用卡客户数据中提取与每个所述标准数据属 性对应的数据内容， 并将提取 出的各个数据内容组成标准 化客户数据； 使用预设的密度检测算法确定每 个所述标准 化客户数据的离群因子； 基于预设的筛 选区间， 将位于所述筛 选区间的各个离群因子均确定为目标离群因子； 对于每个所述目标离群因子， 将所述目标离群因子所属的标准化客户数据确定为样本 客户数据。 3.根据权利要求2所述的方法， 其特征在于， 所述使用预设的K ‑means算法对各个所述 样本客户数据进行聚类处理， 以对每个所述样本客户数据所属的信用卡客户进行分类， 得 到与所述聚类数对应的客户分类结果， 包括： 从每个所述样本客户数据中提取每 个所述标准数据属性的数值； 基于每个所述标准数据属性的各个数值， 确定每 个所述标准数据属性的属性差异度； 对各个所述标准数据属性的属性差异度进行处理， 得到每个所述标准数据属性的属性 权值； 基于所述 聚类数创建各个客户分类集合， 并在各个所述样本客户数据中为每个所述分 类集合选择初始的聚类中心； 对各个所述样本客户数据和各个所述属性权值进行处理， 确定每个所述样本客户数据 与每个所述聚类中心的相似度； 对于每个所述样本客户数据， 将数值最小的相似度所属的聚类中心作为目标聚类中 心， 并将所述样本客户数据所属的信用卡 客户分至所述目标聚类中心的客户分类集 合； 更新每个所述客户分类集 合的聚类中心； 判断各个所述 客户分类集 合是否满足预设的结束条件； 若各个所述客户分类集合满足不所述结束条件， 则应用每个所述客户分类集合更新后 的聚类中心， 重新执行对各个所述样本客户数据和各个所述属 性权值进行处理， 确定每个 所述样本客户数据与每 个所述聚类中心的相似度的步骤； 若各个所述客户分类集合满足所述结束条件， 则基于各个所述客户分类集合生成与 所 述聚类数据对应的客户分类结果。 4.根据权利要求3所述的方法， 其特征在于， 所述基于每个所述标准数据属性的各个数权　利　要　求　书 1/2 页 2 CN 115186760 A 2值， 确定每 个所述标准数据属性的属性差异度， 包括： 对于每个所述标准数据属性， 在所述标准数据属性的各个数值中确定最大数值和最小 数值， 对所述标准数据属 性的各个数值进行求均值运算， 得到平均值， 并将所述平均值、 所 述最大数值和最小数值带入预设的差异度计算公式进 行运算， 得到所述标准数据属性的属 性差异度。 5.根据权利要求1所述的方法， 其特征在于， 所述确定每个所述客户分类结果的轮廓系 数值， 包括： 对于每个所述客户分类结果， 确定所述客户分类结果中每个信用卡客户的轮廓值， 对 各个所述轮廓值进行均值 运算， 将运算的数值作为所述 客户分类结果的轮廓系数值。 6.一种客户分类装置， 其特 征在于， 包括： 获取单元， 用于获取多个信用卡 客户数据； 筛选单元， 用于对各个所述信用卡 客户数据进行筛 选， 得到多个样本客户数据； 第一确定单元， 用于确定各个聚类数， 对于每个所述聚类数， 使用预设的K ‑means算法 对各个所述样本客户数据进行聚类处理， 以对每个所述样本客户数据所属的信用卡客户进 行分类， 得到与所述聚类数对应的客户分类结果， 所述客户分类结果中包含多个客户分类 集合， 所述客户分类集合中包含至少一个信用卡客户， 所述客户集合的个数等于所述聚类 数； 第二确定单元， 用于确定每个所述客户分类结果的轮廓系数值， 并将最大的轮廓系数 值所属的客户分类结果作为 最优的客户分类结果。 7.根据权利要求6所述的装置， 其特 征在于， 所述筛 选单元， 包括： 第一确定 子单元， 用于确定各个标准数据属性； 第一提取子单元， 用于对于每个所述信用卡客户数据， 从所述信用卡客户数据中提取 与每个所述标准数据属性对应的数据内容， 并将提取出的各个数据内容组成标准化客户数 据； 第二确定子单元， 用于使用预设的密度检测算法确定每个所述标准化客户数据的离群 因子； 第三确定子单元， 用于基于预设的筛选区间， 将位于所述筛选区间的各个离群因子均 确定为目标离群因子； 第四确定子单元， 用于对于每个所述目标离群因子， 将所述目标离群因子所属的标准 化客户数据确定为样本客户数据。 8.根据权利要求6所述的装置， 其特 征在于， 所述第二确定单 元， 包括： 运算子单元， 用于对于每个所述客户分类结果， 确定所述客户分类结果中每个信用卡 客户的轮廓值， 对各个所述轮廓值进行均值运算， 将运算的数值作为所述客户分类结果的 轮廓系数值。 9.一种存储介质， 其特征在于， 所述存储介质包括存储的指令， 其中， 在所述指令运行 时控制所述存 储介质所在的设备 执行如权利要求1～5任意 一项所述的客户分类方法。 10.一种电子设备， 其特征在于， 包括存储器， 以及一个或者一个以上的指令， 其中一个 或者一个以上指令存储于存储器中， 且经配置以由一个 或者一个以上 处理器执行如权利要 求1～5任意 一项所述的客户分类方法。权　利　要　求　书 2/2 页 3 CN 115186760 A 3