基于共享最近邻的客户交易数据聚类算法

• 作者: 李遥 荀亚玲
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 聚类 交易数据 客户细分 交易树 共享最近邻
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 大数据分析与挖掘
• 页码范围: 73-78
• 页数: 6页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2022.01.013

摘要

利用客户交易数据聚类分析,可得到更优异的客户细分效果,有助于企业更详实地了解消费者,制定精准的营销策略.PurTreeClust是一种新型的客户交易数据聚类算法,定义了一种新型的度量方式PurTree距离,可以很好地分析处理具有层次树结构的交易数据,但未考虑近邻点的影响,仅将交易树分配到距离最近的聚类中心所属类簇,容易出现错误的交易树分配.该文利用交易树之间的共享最近邻信息,提出一种客户交易数据聚类算法.该算法在聚类分配时,充分利用共享最近邻,首先分配类簇的从属交易树,然后分配类簇的可能从属交易树,实现聚类分配,可发现更加紧凑清晰的类簇,并避免了交易树错误分配,改善了客户细分效果.最后采用6个真实客户交易数据集进行实验,验证了该算法的有效性.