本發(fā)明涉及互聯(lián)網(wǎng)技術(shù)領(lǐng)域中業(yè)務(wù)對象信息處理技術(shù)，特別是涉及一種業(yè)務(wù)對象分類方法和系統(tǒng)。

背景技術(shù)：

業(yè)務(wù)對象分類是一種非常重要的用戶信息分析方法，通過對業(yè)務(wù)對象分類，可以掌握用戶的不同特性，便于對用戶進行管理。

目前，常用的一種業(yè)務(wù)對象分類方法是通過特定規(guī)則定義多個用戶類型，如根據(jù)業(yè)務(wù)對象歷史記錄預(yù)先設(shè)置業(yè)務(wù)對象分類的不同規(guī)則。根據(jù)業(yè)務(wù)對象的歷史使用記錄數(shù)據(jù)判斷其與特定規(guī)則的匹配情況，根據(jù)匹配結(jié)果將其劃分到對應(yīng)的分類類型。另一種業(yè)務(wù)對象分類方法是建立線性評估模型，綜合考慮業(yè)務(wù)對象的多種歷史使用記錄計算活躍度參數(shù)，通過將業(yè)務(wù)對象歷史使用記錄設(shè)置多個維度，每個維度設(shè)置對應(yīng)的線性系數(shù)，從而可計算每個業(yè)務(wù)對象的活躍度參數(shù)，根據(jù)計算結(jié)果將其劃分到對應(yīng)的分類類型。

然而，以上業(yè)務(wù)對象分類方法仍然存在問題：

針對第一種業(yè)務(wù)對象分類方法，在對業(yè)務(wù)對象進行分類之前需要對用戶類型事先進行定義，且對每個業(yè)務(wù)對象類型的定義設(shè)置好分類規(guī)則，從而會受限于個人對現(xiàn)有業(yè)務(wù)對象的了解程度，業(yè)務(wù)對象分類粒度太粗，分類結(jié)果的識別精度低、可應(yīng)用性較弱。

針對第二種業(yè)務(wù)對象分類方法，分類所使用的線性模型中，各維度的權(quán)重即各維度對應(yīng)的線性系數(shù)的設(shè)置的合理性直接影響到分類結(jié)果的準(zhǔn)確性，各維度權(quán)重的設(shè)置并無操作性強的指導(dǎo)規(guī)則；且難以將業(yè)務(wù)對象細分，適用領(lǐng)域有限，分類后所得出的分類結(jié)果可能并非是可用于指導(dǎo)實際的結(jié)果。

相關(guān)技術(shù)中，對于上述問題，尚無有效解決方案。

技術(shù)實現(xiàn)要素：

基于此，有必要提供一種識別精度高、適應(yīng)領(lǐng)域廣的業(yè)務(wù)對象分類方法和系統(tǒng)。

一種業(yè)務(wù)對象分類方法，包括：

獲取分析周期內(nèi)多個業(yè)務(wù)對象的目標(biāo)屬性特征參數(shù)；

將所述分析周期分為通過多個分析時間點劃分的分析時間段；

獲取所述多個業(yè)務(wù)對象在所述分析時間點對應(yīng)的目標(biāo)屬性特征參數(shù)的特征參數(shù)值，根據(jù)所述特征參數(shù)值形成分別與所述多個業(yè)務(wù)對象對應(yīng)的軌跡特征曲線；

對所述軌跡特征曲線進行聚類分析，將所述軌跡特征曲線中相似度小于設(shè)定值的曲線進行聚類得到聚類結(jié)果；

根據(jù)所述聚類結(jié)果對所述業(yè)務(wù)對象進行分類。

一種業(yè)務(wù)對象分類系統(tǒng)，包括：

參數(shù)獲取模塊，用于獲取分析周期內(nèi)多個業(yè)務(wù)對象的目標(biāo)屬性特征參數(shù)；

時間劃分模塊，用于將所述分析周期分為通過多個分析時間點劃分的分析時間段；

曲線形成模塊，用于獲取所述多個業(yè)務(wù)對象在所述分析時間點對應(yīng)的目標(biāo)屬性特征參數(shù)的特征參數(shù)值，根據(jù)所述特征參數(shù)值形成分別與所述多個業(yè)務(wù)對象對應(yīng)的軌跡特征曲線；

聚類分析模塊，用于對所述軌跡特征曲線進行聚類分析，將所述軌跡特征曲線中相似度小于設(shè)定值的曲線進行聚類得到聚類結(jié)果；

分類模塊，用于根據(jù)所述聚類結(jié)果對所述業(yè)務(wù)對象進行分類。

上述業(yè)務(wù)對象分類方法和系統(tǒng)，通過獲取業(yè)務(wù)對象的目標(biāo)屬性特征參數(shù)，根據(jù)業(yè)務(wù)對象在分析時間點的目標(biāo)屬性特征參數(shù)的特征參數(shù)值形成業(yè)務(wù)對象的特征軌跡曲線，再通過對特征軌跡曲線進行聚類分析，從而可通過對相同時間段內(nèi)具有相似目標(biāo)屬性特征參數(shù)的特征參數(shù)值得業(yè)務(wù)對象進行自動組合劃分為同一類，再通過對劃分為同一類的業(yè)務(wù)對象所包含的目標(biāo)屬性特征參數(shù)的特征參數(shù)值進行分析找出該類業(yè)務(wù)對象的共性，定義其業(yè)務(wù)對象類別。因此，業(yè)務(wù)對象分類結(jié)果的準(zhǔn)確性不依賴于分類之前對業(yè)務(wù)對象類型進行定義的準(zhǔn)確性，分類粒度的粗細可通過調(diào)整分析周期的長短、分析時間點數(shù)量與間隔、及與曲線相似度的設(shè)定值的大小進行調(diào)整；其次可針對不同應(yīng)用程序的功能和使用特點可選取該應(yīng)用程序的業(yè)務(wù)對象群對應(yīng)的不同目標(biāo)屬性特征參數(shù)進行分析，從而可得到準(zhǔn)確且具有可操作性的分類結(jié)果，針對同一應(yīng)用程序也可以選取不同的目標(biāo)屬性特征參數(shù)進行分析，得到從不同維度的實際行為數(shù)據(jù)而獲得業(yè)務(wù)對象分類結(jié)果，從而該業(yè)務(wù)對象分類方法適應(yīng)領(lǐng)域廣，業(yè)務(wù)對象分類結(jié)果也更具有價值。

附圖說明

圖1為一實施例中業(yè)務(wù)對象分類方法的系統(tǒng)架構(gòu)圖；

圖2為一實施例中服務(wù)器的內(nèi)部結(jié)構(gòu)示意圖；

圖3為一實施例中業(yè)務(wù)對象分類方法的流程圖；

圖4為另一實施例中業(yè)務(wù)對象分類方法的流程圖；

圖5為又一實施例中業(yè)務(wù)對象分類方法的流程圖；

圖6為業(yè)務(wù)對象分類軌跡曲線的示意圖；

圖7為再一實施例中業(yè)務(wù)對象分類方法的流程圖；

圖8為一實施例中計算軌跡距離的示意圖；

圖9為又一實施例中業(yè)務(wù)對象分類方法的流程圖；

圖10為再一實施例中業(yè)務(wù)對象分類方法的流程圖；

圖11為另一實施例中業(yè)務(wù)對象分類系統(tǒng)的結(jié)構(gòu)示意圖；

圖12為又一實施例中業(yè)務(wù)對象分類系統(tǒng)的結(jié)構(gòu)示意圖；

圖13為再一實施例中業(yè)務(wù)對象分類系統(tǒng)的結(jié)構(gòu)示意圖；

圖14為另一實施例中業(yè)務(wù)對象分類系統(tǒng)的結(jié)構(gòu)示意圖；

圖15為又一實施例中業(yè)務(wù)對象分類系統(tǒng)的結(jié)構(gòu)示意圖；

圖16為再一實施例中業(yè)務(wù)對象分類系統(tǒng)的結(jié)構(gòu)示意圖。

具體實施方式

為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚明白，以下結(jié)合附圖及實施例，對本發(fā)明進行進一步詳細說明。應(yīng)當(dāng)理解，此處所描述的具體實施例僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

除非另有定義，本文所使用的所有的技術(shù)和科學(xué)術(shù)語與屬于本發(fā)明的技術(shù)領(lǐng)域的技術(shù)人員通常理解的含義相同。本文中在本發(fā)明的說明書中所使用的術(shù)語只是為了描述具體的實施例的目的，不是旨在于限制本發(fā)明。本文所使用的術(shù)語“及/或”包括一個或多個相關(guān)的所列項目的任意的和所有的組合。

本發(fā)明實施例提供的業(yè)務(wù)對象分類方法可應(yīng)用于圖1所示的系統(tǒng)中，如圖1所示，終端100通過網(wǎng)絡(luò)與服務(wù)器200進行通信，終端100為業(yè)務(wù)對象分類方法提供業(yè)務(wù)對象的屬性特征參數(shù)并發(fā)送給服務(wù)器200。具體的，終端100獲取使用應(yīng)用程序的業(yè)務(wù)對象的屬性特征參數(shù)，并通過網(wǎng)絡(luò)發(fā)送給服務(wù)器200進行存儲以為業(yè)務(wù)對象分類提供數(shù)據(jù)來源。其中，應(yīng)用程序可以為互聯(lián)網(wǎng)技術(shù)領(lǐng)域中針對不同使用者應(yīng)用目的的應(yīng)用軟件，如金融應(yīng)用、游戲應(yīng)用、教育應(yīng)用、即時通訊應(yīng)用等，業(yè)務(wù)對象則是指使用這些應(yīng)用程序的對象，具體地，與金融應(yīng)用對應(yīng)的業(yè)務(wù)對象為使用該金融應(yīng)用的金融用戶、與游戲應(yīng)用對應(yīng)的業(yè)務(wù)對象為使用該游戲應(yīng)用的游戲用戶、與教育應(yīng)用對應(yīng)的業(yè)務(wù)對象為使用該教育應(yīng)用的用戶、與即時通訊應(yīng)用對應(yīng)的業(yè)務(wù)對象為使用該即時通訊應(yīng)用的用戶。業(yè)務(wù)對象的屬性特征參數(shù)包括流水類數(shù)據(jù)和狀態(tài)類數(shù)據(jù)，以金融應(yīng)用、游戲應(yīng)用、教育應(yīng)用、即時通訊應(yīng)用等為例，業(yè)務(wù)對象對金融應(yīng)用游戲應(yīng)用、教育應(yīng)用、即時通訊應(yīng)用等的登陸訪問為流水類數(shù)據(jù)，不同業(yè)務(wù)對象所屬歸屬地區(qū)為狀態(tài)類數(shù)據(jù)。終端100可以為智能手機、平板電腦、個人數(shù)字助理(PDA)及個人計算機。服務(wù)器200可以為獨立的物理服務(wù)器或者物理服務(wù)器集群。

圖1中的服務(wù)器200的內(nèi)部結(jié)構(gòu)如圖2所示，該服務(wù)器200包括通過系統(tǒng)總線鏈接的處理器、存儲介質(zhì)、內(nèi)存和網(wǎng)絡(luò)接口。其中，該服務(wù)器200的存儲介質(zhì)存儲有操作系統(tǒng)、數(shù)據(jù)庫和一種業(yè)務(wù)對象分類系統(tǒng)。數(shù)據(jù)庫用于存儲數(shù)據(jù)，如用于業(yè)務(wù)對象分類的業(yè)務(wù)對象的屬性特征參數(shù)。該服務(wù)器200的處理器用于供計算和控制能力，支撐整個接入服務(wù)器200的運行。該服務(wù)器200的內(nèi)存為存儲介質(zhì)中的業(yè)務(wù)對象分類系統(tǒng)的運行提供環(huán)境。該服務(wù)器200的網(wǎng)絡(luò)接口用于與外部的終端100通過網(wǎng)絡(luò)連接通信，比如接收終端100發(fā)送的屬性特征參數(shù)等。

如圖3所示，為本申請一實施例提供的一種業(yè)務(wù)對象分類方法，該方法可應(yīng)用于圖2所示的服務(wù)器中，具體包括如下步驟。

步驟101，獲取分析周期內(nèi)多個業(yè)務(wù)對象的目標(biāo)屬性特征參數(shù)。

分析周期根據(jù)需分析的目標(biāo)時間段確定，當(dāng)需要對某個歷史時間段內(nèi)的業(yè)務(wù)對象的屬性特征參數(shù)進行分析得到業(yè)務(wù)對象類型的分類結(jié)果，則可相應(yīng)將該歷史時間段作為分析周期。優(yōu)選的，還可以通過分析周期的選取，實現(xiàn)對應(yīng)用程序在不同生命周期時段內(nèi)的業(yè)務(wù)對象分類。業(yè)務(wù)對象的屬性特征參數(shù)主要包括與業(yè)務(wù)對象的身份相關(guān)的狀態(tài)類數(shù)據(jù)以及與業(yè)務(wù)對象使用應(yīng)用程序行為相關(guān)的流水類數(shù)據(jù)，其中，狀態(tài)類數(shù)據(jù)通常包括業(yè)務(wù)對象名、業(yè)務(wù)對象等級、性別、所在地域等，流水類數(shù)據(jù)包括業(yè)務(wù)對象訪問時間、訪問對象、操作內(nèi)容等。目標(biāo)屬性特征參數(shù)是指能夠通過對其進行統(tǒng)計分析后對業(yè)務(wù)對象使用特定應(yīng)用程序的生命周期進行判斷的屬性特征參數(shù)，從而目標(biāo)屬性特征參數(shù)為與業(yè)務(wù)對象使用應(yīng)用程序行為相關(guān)的屬性特征數(shù)據(jù)。為了能夠直接體現(xiàn)業(yè)務(wù)對象使用相應(yīng)應(yīng)用程序的生命周期的特性，本實施例中，目標(biāo)屬性特征參數(shù)為流水類數(shù)據(jù)。以金融應(yīng)用為例，目標(biāo)屬性特征參數(shù)包括表征業(yè)務(wù)對象活躍度的登陸數(shù)據(jù)、理財交易數(shù)據(jù)等。

步驟102，將分析周期分為通過多個分析時間點劃分的分析時間段。

分析時間點的數(shù)量及相鄰分析時間點之間的間隔可根據(jù)需分析的目標(biāo)精度確定，當(dāng)需要得到更為符合實際情況的軌跡特征曲線時，則可以設(shè)置更多數(shù)量以及間隔更小的分析時間點，從而相同分析周期內(nèi)相應(yīng)得到更多數(shù)量的分析時間段，當(dāng)需要減小針對某分析周期的計算量時，則可增加該分析周期內(nèi)相鄰分析時間點的間隔以減少分析時間點的數(shù)量，從而減少分析周期內(nèi)的分析時間段的數(shù)量。

步驟103，獲取多個業(yè)務(wù)對象在分析時間點對應(yīng)的目標(biāo)屬性特征參數(shù)的特征參數(shù)值，根據(jù)所述特征參數(shù)值形成分別與多個業(yè)務(wù)對象對應(yīng)的軌跡特征曲線。

分析時間點對應(yīng)的目標(biāo)屬性特征參數(shù)的特征參數(shù)值可以是單一目標(biāo)屬性特征參數(shù)在相應(yīng)分析時間點時對應(yīng)的數(shù)據(jù)，也可以是多個目標(biāo)屬性特征參數(shù)的組合在相應(yīng)分析時間點時對應(yīng)的數(shù)據(jù)。仍以金融應(yīng)用為例，如預(yù)分析的目標(biāo)屬性特征參數(shù)為登陸數(shù)據(jù)，分析時間點為天，則分析時間點對應(yīng)的目標(biāo)屬性特征參數(shù)的特征參數(shù)值為業(yè)務(wù)對象相應(yīng)每天的登陸次數(shù)；如預(yù)分析的目標(biāo)屬性特征參數(shù)為登陸數(shù)據(jù)、理財交易數(shù)據(jù)的組合，則分析時間點對應(yīng)的目標(biāo)屬性特征參數(shù)的特征參數(shù)值為業(yè)務(wù)對象每天登陸次數(shù)與每天理財交易金額。軌跡特征曲線則是以分析時間點對應(yīng)的目標(biāo)屬性特征參數(shù)的特征參數(shù)值連接形成的曲線。

步驟105，對軌跡特征曲線進行聚類分析，將軌跡特征曲線中相似度小于設(shè)定值的曲線進行聚類得到聚類結(jié)果。

聚類分析指將物理或抽象對象的集合分組為由類似的對象組成的多個類的分析過程。其中對軌跡特征曲線的聚類分析，是指將相似度高的曲線聚類成為同一類，從而可根據(jù)目標(biāo)屬性特征參數(shù)所形成的軌跡特征曲線的實際情況而自動將具有相似特征的業(yè)務(wù)對象組合形成同一類。相似度高的曲線是指相似度小于設(shè)定值的曲線，其中，相似度為1時表示兩條曲線完全相同?？梢岳斫獾?，通過改變設(shè)定值的大小，可以相應(yīng)調(diào)節(jié)聚類為同一類的曲線的數(shù)量，從而可以調(diào)整業(yè)務(wù)對象的分類類別的數(shù)量，具體而言，設(shè)定值越大，則業(yè)務(wù)對象的分類類別的數(shù)量減少；設(shè)定值越小，則分類類別的數(shù)量越多。聚類結(jié)果是指包含不同業(yè)務(wù)對象的軌跡特征曲線中根據(jù)相似度進行聚類所形成的曲線組合的集合。

步驟107，根據(jù)聚類結(jié)果對業(yè)務(wù)對象進行分類。

根據(jù)聚類結(jié)果中將相似度大的曲線進行聚類所形成的曲線組合的情況，其中劃分至同一曲線組合的業(yè)務(wù)對象表示為同一類業(yè)務(wù)對象，根據(jù)同一曲線組合中包含的軌跡特征曲線的特征參數(shù)值所反映出來業(yè)務(wù)對象使用應(yīng)用程序行為的特點，可以對相應(yīng)類別的業(yè)務(wù)對象的行為特征進行分析，以實現(xiàn)對業(yè)務(wù)對象進行分類，并可進一步定義業(yè)務(wù)對象類別。

以上業(yè)務(wù)對象分類方法，通過獲取業(yè)務(wù)對象的目標(biāo)屬性特征參數(shù)，根據(jù)業(yè)務(wù)對象在分析時間點的目標(biāo)屬性特征參數(shù)的特征參數(shù)值形成業(yè)務(wù)對象的特征軌跡曲線，再通過對特征軌跡曲線進行聚類分析，從而可通過對相同時間段內(nèi)具有相似目標(biāo)屬性特征參數(shù)的特征參數(shù)值得業(yè)務(wù)對象進行自動組合劃分為同一類，再通過對劃分為同一類的業(yè)務(wù)對象所包含的目標(biāo)屬性特征參數(shù)的特征參數(shù)值進行分析找出該類業(yè)務(wù)對象的共性，定義其業(yè)務(wù)對象類別。因此，業(yè)務(wù)對象分類結(jié)果的準(zhǔn)確性不依賴于分類之前對業(yè)務(wù)對象類型進行定義的準(zhǔn)確性，分類粒度的粗細可通過調(diào)整分析周期的長短、分析時間點數(shù)量與間隔、及與曲線相似度的設(shè)定值的大小進行調(diào)整；其次，針對不同應(yīng)用程序的功能和使用特點可選取不同的目標(biāo)屬性特征參數(shù)進行分析，從而可得到準(zhǔn)確且具有可操作性的分類結(jié)果，針對同一應(yīng)用程序也可以選取不同的目標(biāo)屬性特征參數(shù)進行分析，得到從不同維度的實際行為數(shù)據(jù)而獲得業(yè)務(wù)對象分類結(jié)果，從而該業(yè)務(wù)對象分類方法適應(yīng)領(lǐng)域廣，業(yè)務(wù)對象分類結(jié)果也更具有價值。

如圖4所示，在另一個實施例中，步驟103，獲取多個業(yè)務(wù)對象在分析時間點對應(yīng)的目標(biāo)屬性特征參數(shù)的特征參數(shù)值，根據(jù)特征參數(shù)值形成分別與多個業(yè)務(wù)對象對應(yīng)的軌跡特征曲線的步驟，包括：

步驟1031，獲取多個業(yè)務(wù)對象在分析時間點對應(yīng)的目標(biāo)屬性特征參數(shù)的特征參數(shù)值。

分析時間點之間的間隔通常以天、周或者月為單位?？梢岳斫獾模鶕?jù)待分析應(yīng)用程序的使用周期與使用特點，分析周期的長度的設(shè)定不同，相應(yīng)分析時間點之間的間隔也可能是以年或者小時為單位。每個業(yè)務(wù)對象對應(yīng)分析時間點有目標(biāo)屬性特征參數(shù)，本實施例中，分析時間點對應(yīng)的目標(biāo)屬性特征參數(shù)的特征參數(shù)值為單一目標(biāo)屬性特征參數(shù)在相應(yīng)分析時間點時對應(yīng)的原始數(shù)據(jù)。獲取業(yè)務(wù)對象在分析時間點對應(yīng)的目標(biāo)屬性特征參數(shù)的原始數(shù)據(jù)作為該業(yè)務(wù)對象在分析時間點對應(yīng)的目標(biāo)屬性特征參數(shù)的特征參數(shù)值。

步驟1032，以分析時間點為橫坐標(biāo)，以多個業(yè)務(wù)對象在分析時間點所對應(yīng)時刻的目標(biāo)屬性特征參數(shù)的參數(shù)特征值為縱坐標(biāo)，形成分別與多個業(yè)務(wù)對象對應(yīng)的軌跡特征曲線。

目標(biāo)屬性特征參數(shù)的特征參數(shù)值可以為原始數(shù)據(jù)，也可以是通過原始數(shù)據(jù)經(jīng)過計算處理之后得到。本實施例中，目標(biāo)屬性特征參數(shù)為原始數(shù)據(jù)。以金融應(yīng)用程序為例，業(yè)務(wù)對象每日理財交易金額為原始數(shù)據(jù)并存儲在原始數(shù)據(jù)庫中，當(dāng)選取待分析的目標(biāo)屬性特征參數(shù)為每日理財交易金額時，則可以直接從原始數(shù)據(jù)庫中獲取。通過獲取分析周期內(nèi)的各分析時間點對應(yīng)的目標(biāo)屬性特征參數(shù)的特征參數(shù)值，以分析時間點為橫坐標(biāo)，以多個業(yè)務(wù)對象在分析時間點對應(yīng)的參數(shù)特征值為縱坐標(biāo)，得到分別與各個業(yè)務(wù)對象對應(yīng)的軌跡特征曲線。通過從軌跡特征曲線的趨勢走向，可以獲知業(yè)務(wù)對象在分析周期內(nèi)與該目標(biāo)屬性特征參數(shù)對應(yīng)行為的動態(tài)變化情況，實現(xiàn)對能夠反映業(yè)務(wù)對象生命周期的使用相應(yīng)應(yīng)用程序的的相關(guān)數(shù)據(jù)的精準(zhǔn)記錄以供分析。

優(yōu)選的，請參閱圖5，為另一實施例所提供的業(yè)務(wù)對象分類方法，其中，步驟103,獲取多個業(yè)務(wù)對象在分析時間點對應(yīng)的目標(biāo)屬性特征參數(shù)的特征參數(shù)值，根據(jù)所述特征參數(shù)值形成分別與多個業(yè)務(wù)對象對應(yīng)的軌跡特征曲線的步驟，包括:

步驟1033，根據(jù)目標(biāo)屬性特征參數(shù)，分別以分析時間點為基準(zhǔn)時間計算預(yù)設(shè)時間周期內(nèi)的目標(biāo)屬性特征參數(shù)的特征參數(shù)值。

本實施例中，目標(biāo)屬性特征參數(shù)的特征參數(shù)值是通過原始數(shù)據(jù)計算處理之后得到的，具體為，以分析時間點為基準(zhǔn)時間獲取預(yù)設(shè)時間周期內(nèi)的原始數(shù)據(jù)進行計算處理后得到，如預(yù)設(shè)時間周期內(nèi)的平均理財交易金額。其中，以分析時間點為基準(zhǔn)時間確定的預(yù)設(shè)時間周期包括以分析時間點為起算日的預(yù)設(shè)時間周期、以分析時間點為終止日的預(yù)設(shè)時間周期或者以分析時間點之前與之后各設(shè)定期限內(nèi)的預(yù)設(shè)時間周期。以分析時間點為起算日確定的預(yù)設(shè)時間周期的具體示例如：以每個月30號為分析時間點之前30天的時間周期；以分析時間點為終止日的預(yù)設(shè)時間周期的具體示例如：以每月1號為分析時間點之后30天的時間周期；以分析時間點之前與之后各設(shè)定期限內(nèi)的預(yù)設(shè)時間周期的具體示例如：以每個月5號之前5天及之后10天的時間周期。以金融應(yīng)用程序為例，當(dāng)目標(biāo)屬性特征參數(shù)為日均理財交易金額，分析時間點為每月1號，預(yù)設(shè)時間周期為各月對應(yīng)的天數(shù)，則以分析時間點為基準(zhǔn)時間對應(yīng)的目標(biāo)屬性特征參數(shù)的特征參數(shù)值為月度日均理財交易金額，通過以月為單位對相應(yīng)月份內(nèi)對應(yīng)業(yè)務(wù)對象的每天理財交易金額進行統(tǒng)計，將計算后得到的各月的日均理財交易金額存儲在數(shù)據(jù)庫中,其中計算后得到的各月的日均理財交易金額分別為與各分析時間點對應(yīng)的特征參數(shù)值。

步驟1035，以分析時間點為橫坐標(biāo)，以多個業(yè)務(wù)對象在分析時間點對應(yīng)的參數(shù)特征值為縱坐標(biāo)，形成分別與多個業(yè)務(wù)對象對應(yīng)的軌跡特征曲線。

通過獲取分析周期內(nèi)的各分析時間點對應(yīng)的目標(biāo)屬性特征參數(shù)的特征參數(shù)值，以分析時間點為橫坐標(biāo)，以多個業(yè)務(wù)對象在分析時間點對應(yīng)的參數(shù)特征值為縱坐標(biāo)，得到分別與各個業(yè)務(wù)對象對應(yīng)的軌跡特征曲線。通過從軌跡特征曲線的趨勢走向，可以獲知業(yè)務(wù)對象在分析周期內(nèi)與該目標(biāo)屬性特征參數(shù)對應(yīng)行為的動態(tài)變化情況，，實現(xiàn)對能夠反映業(yè)務(wù)對象生命周期的使用相應(yīng)應(yīng)用程序的的相關(guān)數(shù)據(jù)的精準(zhǔn)記錄以供分析。

請參閱圖6，為三個業(yè)務(wù)對象u1、u2、u3在分析周期t內(nèi)對應(yīng)的軌跡特征曲線的示意圖，其中u1、u2、u3均為某應(yīng)用程序的業(yè)務(wù)對象的業(yè)務(wù)對象名，以歷史時間周期t作為分析周期，其中t0、t1、t2、t3、t4、t5分別表示分析周期t內(nèi)的分析時間點并通過t0、t1、t2、t3、t4、t5這6個分析時間點將分析周期t劃分為五個分析時間段，v0、v1、v2、v3、v4分別表示業(yè)務(wù)對象的目標(biāo)屬性特征參數(shù)的特征參數(shù)值得縱軸坐標(biāo)值，通過獲取三個u1、u2、u3分別在分析時間點t0、t1、t2、t3、t4、t5所對應(yīng)的目標(biāo)屬性特征參數(shù)的特征參數(shù)值確定出相應(yīng)的縱坐標(biāo)值，其中該分析時間點t0、t1、t2、t3、t4、t5所對應(yīng)的目標(biāo)屬性特征參數(shù)的特征參數(shù)值可以為通過以上圖4所示實施例確定或者通過以上圖5所示實施例確定，從而得到該三個業(yè)務(wù)對象u1、u2、u3的軌跡特征曲線。

優(yōu)選的，請參閱圖7，在另一實施例中，步驟105，對軌跡特征曲線進行聚類分析，將軌跡特征曲線中相似度小于設(shè)定值的曲線進行聚類得到聚類結(jié)果的步驟包括：

步驟1051，計算每一業(yè)務(wù)對象任意兩個分析時間點之間的軌跡特征曲線與其它業(yè)務(wù)對象在兩個分析時間點之間的軌跡特征曲線的軌跡距離，將軌跡距離小于閾值的曲線進行聚類，分別形成每一業(yè)務(wù)對象與兩個分析時間點對應(yīng)的聚類集合。

通過比較不同業(yè)務(wù)對象之間的軌跡特征曲線的距離，以得出業(yè)務(wù)對象之間的相似度而對業(yè)務(wù)對象進行聚類。其中每個業(yè)務(wù)對象對應(yīng)的軌跡特征曲線包含了該業(yè)務(wù)對象對應(yīng)整個分析周期內(nèi)的目標(biāo)特征屬性特征參數(shù)的特征參數(shù)值，分析時間點將分析周期切分為多個時間段而相應(yīng)將軌跡特征曲線切分為多個曲線段，通過分別計算不同業(yè)務(wù)對象的相同時間段內(nèi)的曲線段之間的軌跡距離而判斷曲線段之間的相似度，將軌跡距離小于閾值的曲線進行聚類，從而根據(jù)各個業(yè)務(wù)對象對應(yīng)相同兩個分析時間點的曲線段之間的相似度而對應(yīng)分析所述業(yè)務(wù)對象之間的相似度，實現(xiàn)對業(yè)務(wù)對象進行分類。

以任意兩個分析時間點為t_i、t_j為例，業(yè)務(wù)對象u_a在分析時間點t_i、t_j之間的軌跡特征曲線為tra_a^ij(a＝1,2,3...n),通過計算其它業(yè)務(wù)對象u_b在分析時間點t_i、t_j對應(yīng)的軌跡特征曲線tra_b^ij(b＝1,2,3...n,b≠a)與tra_a^ij的軌跡距離，將軌跡距離小于或者等于閾值δ的其它業(yè)務(wù)對象u_b在分析時間點t_i、t_j對應(yīng)的軌跡特征曲線tra_b^ij增加到業(yè)務(wù)對象u_a的聚類集合中，用表示。其中，任意兩個分析時間點t_i、t_j的設(shè)置方式可以為任意相鄰的兩個分析時間點，也可以為不相鄰的兩個分析時間點。以每一業(yè)務(wù)對象u_a(a＝1,2,3...n)任意兩個分析時間點t_i、t_j的軌跡特征曲線tra_a^ij為基礎(chǔ)，將其它業(yè)務(wù)對象對應(yīng)該兩個分析時間點t_i、t_j的軌跡特征曲線中與tra_a^ij的軌跡距離小于或者等于閾值δ的曲線進行聚類形成與該業(yè)務(wù)對象u_a的兩個分析時間點t_i、t_j對應(yīng)的聚類集合為

步驟1053，重復(fù)以上步驟1051，獲取每一業(yè)務(wù)對象在分析周期內(nèi)預(yù)設(shè)數(shù)量的兩個分析時間點分別對應(yīng)的聚類集合得到聚類結(jié)果。

以兩個分析時間點為一組，每一業(yè)務(wù)對象的聚類結(jié)果包括預(yù)設(shè)數(shù)量組數(shù)的兩個分析時間點所分別對應(yīng)的聚類集合。以業(yè)務(wù)對象u_a的任意兩個分析時間點為t_i、t_j為例，當(dāng)t_i＝t₁、t_j＝t₂時，通過步驟1051可得到業(yè)務(wù)對象u_a在分析時間點t₁、t₂之間的聚類集合當(dāng)t_i＝t₃、t_j＝t₅時，通過步驟1051可得到業(yè)務(wù)對象u_a在分析時間點t₃、t₅之間的聚類集合得到其中，分析時間點的組數(shù)可以根據(jù)實際分析需求進行設(shè)置，可以選擇每一業(yè)務(wù)對象在分析周期內(nèi)一組或者多組分析時間點所對應(yīng)的曲線段分別得到對應(yīng)的聚類集合形成該業(yè)務(wù)對象的聚類結(jié)果。如，分析周期內(nèi)的分析時間點的數(shù)量為m,分析時間點的集合T＝{t₁,t₂,t₃,...,t_m}，可以選取業(yè)務(wù)對象u_a分別在分析時間點t₁、t₂之間的軌跡特征曲線的聚類集合以及在分析時間點t₂、t₅之間的軌跡特征曲線的聚類結(jié)合作為對應(yīng)業(yè)務(wù)對象u_a的聚類結(jié)果也可以再進一步選取業(yè)務(wù)對象u_a在分析時間點t₅、t_m之間的軌跡特征曲線的聚類集合形成業(yè)務(wù)對象u_a的聚類結(jié)果因此，每一業(yè)務(wù)對象的聚類結(jié)果包括由預(yù)設(shè)數(shù)量組數(shù)的兩個分析時間點所分別對應(yīng)的聚類集合，其中每一聚類集合對應(yīng)為該業(yè)務(wù)對象在兩個分析時間點的軌跡特征曲線與其它業(yè)務(wù)對象在該兩個分析時間點之間的曲線段的聚類。

優(yōu)選的，通過預(yù)設(shè)數(shù)量組數(shù)的兩個分析時間點的選取，可以得到所述分析時間點對應(yīng)時間段內(nèi)業(yè)務(wù)對象的目標(biāo)屬性特征參數(shù)的特征參數(shù)值所反映出來的業(yè)務(wù)對象使用該應(yīng)用程序行為的特點，得到每個業(yè)務(wù)對象在不同時間段內(nèi)使用該應(yīng)用程序行為的活躍度情況，確定對應(yīng)業(yè)務(wù)對象及同一類型的業(yè)務(wù)對象群使用該應(yīng)用程序的生命周期狀況。

優(yōu)選的，請參閱圖9，步驟1051，計算每一業(yè)務(wù)對象任意兩個分析時間點之間的軌跡特征曲線與其它業(yè)務(wù)對象在兩個分析時間點之間的軌跡特征曲線的軌跡距離，將軌跡距離小于閾值的曲線進行聚類，分別形成每一業(yè)務(wù)對象與兩個分析時間點對應(yīng)的聚類集合，包括：

步驟1055，以第一業(yè)務(wù)對象在任意兩個分析時間點之間的軌跡特征曲線為參考曲線。

步驟1056，以第二業(yè)務(wù)對象在對應(yīng)兩個分析時間點之間的軌跡特征曲線為對比曲線，計算參考曲線與對比曲線之間的軌跡距離，所述第二業(yè)務(wù)對象為不同于所述第一業(yè)務(wù)對象的任一業(yè)務(wù)對象。

步驟1057，當(dāng)軌跡距離小于或者等于閾值時，將第二業(yè)務(wù)對象的對比曲線與第一業(yè)務(wù)對象的參考曲線進行聚類。

步驟1059，將聚類的曲線形成該第一業(yè)務(wù)對象與兩個分析時間點對應(yīng)的聚類集合。

通過分別以每一業(yè)務(wù)對象任意兩個分析時間點之間的軌跡特征曲線為參考曲線，計算其它業(yè)務(wù)對象在相同兩個分析時間點之間的軌跡特征曲線與該參考曲線之間的軌跡距離，判斷軌跡距離的大小而獲得與該參考曲線對應(yīng)的聚類集合。其中，以每一業(yè)務(wù)對象作為第一業(yè)務(wù)對象的軌跡特征曲線作為參考曲線，將不同于第一業(yè)務(wù)對象的其它對象分別作為第二業(yè)務(wù)對象，將第二業(yè)務(wù)對象的軌跡特征曲線作為對比曲線，獲得每一第一業(yè)務(wù)對象的聚類集合時可以考慮所有其它用戶而得到。通過分別取分析周期內(nèi)不同兩個分析時間點的軌跡特征曲線為參考曲線，從而可獲取每一業(yè)務(wù)對象對應(yīng)整個分析周期的軌跡特征曲線與其它業(yè)務(wù)對象的軌跡特征曲線的聚類集合。

在一具體的實施例中，采用基于密度的DBSCAN(Density-Based Spatial Clustering of Applications with Noise)方法業(yè)務(wù)對象軌跡特征曲線進行聚類分析，定義分析時間點t_i對應(yīng)的目標(biāo)屬性特征參數(shù)的特征參數(shù)值v_i到分析時間點t_j對應(yīng)的目標(biāo)屬性特征參數(shù)的特征參數(shù)值v_j之間的軌跡特征曲線為tra^i,j，定義業(yè)務(wù)對象u_k在分析時間點t_i、t_j之間的軌跡特征曲線為請結(jié)合參閱圖8，以第一業(yè)務(wù)對象u_a在分析時間點t_i、t_j之間的軌跡特征曲線tra_a^ij為參考曲線，以第二業(yè)務(wù)對象u_b在分析時間點t_i、t_j之間的軌跡特征曲線tra_b^ij為對比曲線，定義參考曲線與對比曲線之間的軌跡距離為d，軌跡距離d的計算方式如下：

d(tra_a^ij,tra_b^ij)＝w_⊥d_⊥+w_θθ；

其中，d_⊥為垂直距離,θ為軌跡特征曲線tra_a^ij與軌跡特征曲線tra_a^ij之間的夾角，w_⊥、w_θ分別為垂直距離和角度距離的權(quán)重；

其中，垂直距離d_⊥的計算公式為:l_⊥1為業(yè)務(wù)對象u_a在分析時間點t_i對應(yīng)的目標(biāo)屬性特征參數(shù)的特征參數(shù)值v_i與在分析時間點t_j對應(yīng)的目標(biāo)屬性特征參數(shù)的特征參數(shù)值v_j的差值；l_⊥2為業(yè)務(wù)對象u_b在分析時間點t_i對應(yīng)的目標(biāo)屬性特征參數(shù)的特征參數(shù)值v_i與在分析時間點t_j對應(yīng)的目標(biāo)屬性特征參數(shù)的特征參數(shù)值v_j的差值。

通過計算業(yè)務(wù)對象u_a在分析時間點t_i、t_j之間的軌跡特征曲線tra_a^ij與業(yè)務(wù)對象u_b在分析時間點t_i、t_j之間的軌跡特征曲線tra_b^ij的軌跡距離d(tra_a^ij,tra_b^ij),將軌跡距離d(tra_a^ij,tra_b^ij)的計算結(jié)果與閾值δ進行比較，當(dāng)軌跡距離d(tra_a^ij,tra_b^ij)小于或者等于閾值δ時，則將業(yè)務(wù)對象u_b對應(yīng)分析時間點t_i、t_j之間的對比曲線與業(yè)務(wù)對象u_a對應(yīng)分析時間點t_i、t_j之間的參考曲線進行聚類形成同一聚類集合，以表示。當(dāng)軌跡距離d(tra_a^ij,tra_b^ij)大于閾值δ時，則業(yè)務(wù)對象u_a、業(yè)務(wù)對象u_b對應(yīng)分析時間點t_i、t_j之間的曲線不進行聚類。分別以剩余的其它業(yè)務(wù)對象作為新的第二業(yè)務(wù)對象u_b，分別計算新的第二業(yè)務(wù)對象u_b在分析時間點t_i、t_j之間的軌跡特征曲線tra_b^ij(b＝1,2,3...n,b≠a)與第一業(yè)務(wù)對象分析時間點t_i、t_j之間的參考曲線tra_a^ij之間的軌跡距離d(tra_a^ij,tra_b^ij)，其中，n表述業(yè)務(wù)對象的數(shù)量，通過判斷該軌跡距離d(tra_a^ij,tra_b^ij)與閾值δ的大小，當(dāng)tra_b^ij小于或者等于閾值δ時，將新的第二業(yè)務(wù)對象對應(yīng)的曲線tra_b^ij增加到第一業(yè)務(wù)對象在分析時間點t_i、t_j之間的參考曲線tra_a^ij的聚類集合中，直至完成所有業(yè)務(wù)對象在兩個分析時間點t_i、t_j之間的曲線與第一業(yè)務(wù)對象u_a在兩個分析時間點t_i、t_j之間的參考曲線的聚類，得到業(yè)務(wù)對象u_a對應(yīng)該兩個分析時間點t_i、t_j的聚類集合

以任意兩個分析時間點為一組，根據(jù)所選取的待分析組數(shù)的分析時間點的選擇情況，每一業(yè)務(wù)對象的聚類結(jié)果包括預(yù)設(shè)數(shù)量組數(shù)的兩個分析時間點所分別對應(yīng)的聚類集合。如，當(dāng)業(yè)務(wù)對象u_a的任意兩個分析時間點為t_i＝t₁、t_j＝t₂時，可得到業(yè)務(wù)對象u_a在分析時間點t₁、t₂之間的聚類集合當(dāng)任意兩個分析時間點為t_i＝t₃、t_j＝t₅時，可得到業(yè)務(wù)對象u_a在分析時間點t₃、t₅之間的聚類集合其中，分析時間點的組數(shù)可以根據(jù)實際分析需求進行設(shè)置，可以選擇每一業(yè)務(wù)對象與分析周期內(nèi)一組或者多組分析時間點所對應(yīng)的曲線段為參考曲線而得到的聚類集合形成該業(yè)務(wù)對象的聚類結(jié)果。如，分析周期內(nèi)的分析時間點的數(shù)量為m,分析時間點的集合T＝{t₁,t₂,t₃,...,t_m}，可以選取業(yè)務(wù)對象u_a分別在分析時間點t₁、t₂之間的軌跡特征曲線的聚類集合以及在分析時間點t₂、t₅之間的軌跡特征曲線的聚類結(jié)合作為對應(yīng)業(yè)務(wù)對象u_a的聚類結(jié)果也可以再進一步選取業(yè)務(wù)對象u_a在分析時間點t₅、t_m之間的軌跡特征曲線的聚類集合形成業(yè)務(wù)對象u_a的聚類結(jié)果假設(shè)業(yè)務(wù)對象的數(shù)量為n,則相應(yīng)業(yè)務(wù)對象集合為U＝{u₁,u₂,u₃,...,u_n}，通過以上業(yè)務(wù)對象u_a的聚類結(jié)果的計算方式，可以得到每一業(yè)務(wù)對象u_k(k＝1,2，…n)的軌跡特征曲線的聚類集合tra_k。

優(yōu)選的，步驟1055，以第一業(yè)務(wù)對象在任意兩個分析時間點之間的軌跡特征曲線為參考曲線的步驟中，以分析周期內(nèi)每相鄰兩個分析時間點依次作為任意兩個分析時間點。

以業(yè)務(wù)對象u_a在分析周期內(nèi)每相鄰兩個分析時間點依次作為任意兩個分析時間點，即依次以業(yè)務(wù)對象u_a分別在相鄰兩個分析時間點(t₁、t₂)(t₂、t₃)、(t₃、t₄)、…(t_m-1、t_m)之間的軌跡特征曲線為參考曲線，可以分別得到業(yè)務(wù)對象u_a在相鄰兩個分析時間點(t₁、t₂)(t₂、t₃)、(t₃、t₄)、…(t_m-1、t_m)之間的曲線的聚類集合從而得到業(yè)務(wù)對象u_a對應(yīng)整個分析周期T的軌跡特征曲線的聚類集合其中表示業(yè)務(wù)對象u_a在第一個相鄰兩個分析時間點t₁、t₂之間的軌跡特征曲線tra_a¹²的聚類集合，表示業(yè)務(wù)對象u_a在第二個相鄰兩個分析時間點t₂、t₃之間的軌跡特征曲線tra_a²³的聚類集合，表示業(yè)務(wù)對象u_a在第三個相鄰兩個分析時間點t₃、t₄之間的軌跡特征曲線tra_a³⁴的聚類集合，依次類推，表示業(yè)務(wù)對象u_a在第m-1個相鄰兩個分析時間點t_m-1、t_m之間的軌跡特征曲線tra_a^m-1，m的聚類集合。相應(yīng)的，通過以上業(yè)務(wù)對象u_a的聚類結(jié)果的計算方式，可以得到每一業(yè)務(wù)對象u_k(k＝1,2，…n)的軌跡特征曲線的聚類集合tra_k。

優(yōu)選的，步驟107，根據(jù)所述聚類結(jié)果對所述業(yè)務(wù)對象進行分類的步驟之前，還包括：

對聚類結(jié)果中的聚類集合的數(shù)量進行合并。

通過獲取每個業(yè)務(wù)對象在分析時間周期內(nèi)任意兩個分析時間點對應(yīng)的聚類集合，以該任意兩個分析時間點分別確定一對應(yīng)時間段，得到每個業(yè)務(wù)對象在相應(yīng)時間段上的聚類集合以業(yè)務(wù)對象數(shù)量為n為例，每個時間段包含的聚類集合的數(shù)量為n個。以分析周期所包含的分析時間點的數(shù)量為m表示，以每相鄰兩個分析時間點所對應(yīng)曲線確定聚類集合則每個業(yè)務(wù)對象包括的聚類集合的數(shù)量為m-1個，對應(yīng)整個分析周期內(nèi)所包含的聚類集合的數(shù)量為K，其中因此當(dāng)分析周期內(nèi)的分析時間點過多時，會導(dǎo)致聚類結(jié)果中的聚類集合的數(shù)量過多，可以通過將兩個業(yè)務(wù)對象在相同時間段上所包含的相同聚類集合的情況對同一分析時間段內(nèi)的聚類集合進行合并。其中，對于任意u_i,u_j，如果在任意時間段的聚類集合均相同，可以認為u_i,u_j是完全相同類型的業(yè)務(wù)對象。

優(yōu)選的，請參閱圖10，在另一實施例中，步驟107，根據(jù)所述聚類結(jié)果對所述業(yè)務(wù)對象進行分類的步驟包括：

步驟1071，獲取聚類結(jié)果中任意兩個業(yè)務(wù)對象包含相同聚類集合的數(shù)量；

步驟1073，當(dāng)至少兩個業(yè)務(wù)對象包含所相同聚類集合的數(shù)量大于設(shè)定比例時，將該至少兩個業(yè)務(wù)對象分類至同一類型。

每一業(yè)務(wù)對象的聚類結(jié)果包含該業(yè)務(wù)對象在分析周期內(nèi)的不同時間段內(nèi)的聚類集合，通過每一業(yè)務(wù)對象的每一聚類集合中包含的曲線段可以得知其它業(yè)務(wù)對象在該曲線段所對應(yīng)的時間段內(nèi)與該業(yè)務(wù)對象的相似度情況，即當(dāng)兩個業(yè)務(wù)對象包括相同的聚類集合時，表示該兩個業(yè)務(wù)對象對應(yīng)該相同聚類集合的時間段內(nèi)的曲線之間的軌跡距離小于或者等于閾值，從而該兩個業(yè)務(wù)對象在該時間段內(nèi)使用該應(yīng)用程序的行為相似度較高。當(dāng)兩個業(yè)務(wù)對象包含相同的聚類集合的數(shù)量大于設(shè)定比例時，則表示該兩個業(yè)務(wù)對象對應(yīng)這些相同的聚類集合的時間段內(nèi)的曲線之間的軌跡距離都小于或者等于閾值，這些時間段內(nèi)兩業(yè)務(wù)對象的行為相似度均較高，從而可以找出整體相似度較高的業(yè)務(wù)對象并將其分類至同一類型。

在一具體的實施例中，每一業(yè)務(wù)對象對應(yīng)分析周期內(nèi)的軌跡特征曲線以表示，其中t＝t₁,t₂,t₃,....t_m，表示將分析周期t切分為m個分析時間點,f＝f₁,f₂,f₃,....f_m，表示對應(yīng)不同分析時間點的曲線段，將分析時間點t_i對應(yīng)的目標(biāo)屬性特征參數(shù)的特征參數(shù)值用v_i表示，通過目標(biāo)屬性特征參數(shù)的特征參數(shù)值所形成的曲線段的表達式為f_i＝(v_i,t_i)。聚類結(jié)果中任意兩個業(yè)務(wù)對象包含相同聚類集合的數(shù)量表示兩個業(yè)務(wù)對象包含相似度較高的曲線段的數(shù)量，當(dāng)兩個業(yè)務(wù)對象包含相同聚類集合的數(shù)量大于設(shè)定比例時，表示兩個業(yè)務(wù)對象在分析周期內(nèi)包含相似度較高的曲線段的數(shù)量較多，兩個業(yè)務(wù)對象在分析周期內(nèi)在不同分析時間點的目標(biāo)屬性特征參數(shù)的特征參數(shù)值的差值越小，兩個業(yè)務(wù)對象對應(yīng)分析周期內(nèi)的軌跡特征曲線整體越相似，用h(f)表示業(yè)務(wù)對象的分類函數(shù)，將業(yè)務(wù)對象的分類類型用c表示，相應(yīng)的業(yè)務(wù)對象分類結(jié)果的表達式為c＝h(f)。

以兩個業(yè)務(wù)對象的聚類結(jié)果中均包含與相同分析時間點t_i、t_j所對應(yīng)的聚類集合為例，該兩個業(yè)務(wù)對象的軌跡特征曲線對應(yīng)分析時間點t_i、t_j之間的曲線之間的軌跡距離小于閾值，則兩業(yè)務(wù)對象分別對應(yīng)分析時間點t_i、t_j的目標(biāo)屬性特征參數(shù)的特征參數(shù)值f_i、f_j之間的差值較小，該兩業(yè)務(wù)對象對應(yīng)該分析時間點t_i、t_j的時間段內(nèi)對應(yīng)該目標(biāo)屬性特征參數(shù)基本相同，表示該兩業(yè)務(wù)對象對應(yīng)該分析時間點t_i、t_j的時間段具有基本相同行為數(shù)據(jù)，從而將其劃分為同一類型。然后，可進一步根據(jù)該同一類型的業(yè)務(wù)對象在各分析時間點的目標(biāo)屬性特征參數(shù)的特征參數(shù)值所反映出來的業(yè)務(wù)對象使用該應(yīng)用程序的行為特點，確定該類型業(yè)務(wù)對象的類型，如t_j＞t_i,v_j＞v_i,則相應(yīng)h(f_j)＝C₁，用C1表示為增長型業(yè)務(wù)對象，包含該相同聚類集合的業(yè)務(wù)對象則同為增長型業(yè)務(wù)對象。

以上實施例所提供的業(yè)務(wù)對象分類方法，獲得業(yè)務(wù)對象分類結(jié)果的過程中，不需要對業(yè)務(wù)對象類型的定義設(shè)置分類規(guī)則，也無需對業(yè)務(wù)對象類型事先進行定義，可根據(jù)各業(yè)務(wù)對象在分析周期內(nèi)不同分析時間點之間的曲線的聚類情況而對相似度高的業(yè)務(wù)對象進行自動聚類，按照聚類結(jié)果所反映出的業(yè)務(wù)對象行為屬性的相似情況而完成對業(yè)務(wù)對象的分類以及根據(jù)分類后的業(yè)務(wù)對象共同特征參數(shù)值而確定業(yè)務(wù)對象類型，分類結(jié)果更精確，適用于各種不同應(yīng)用目的的應(yīng)用程序的業(yè)務(wù)對象群的分類，得到具有實際指導(dǎo)意義的業(yè)務(wù)對象分類結(jié)果。其中，可以選取不同的目標(biāo)屬性特征參數(shù)而快速、準(zhǔn)確的得到以該相應(yīng)目標(biāo)屬性特征參數(shù)為分類維度獲得的業(yè)務(wù)對象分類結(jié)果，方便從不同維度對業(yè)務(wù)對象進行分類，分類粒度可以通過改變分析周期、將分析周期切分為分析時間點的數(shù)量、及形成每一業(yè)務(wù)對象的聚類結(jié)果時所依據(jù)的預(yù)設(shè)數(shù)量的兩個分析時間點的數(shù)量等進行調(diào)節(jié)，方便迅速、準(zhǔn)確的獲取不同粗細分類粒度的業(yè)務(wù)對象分類結(jié)果。

請參閱圖11，在另一實施例中，提供了一種業(yè)務(wù)對象分類系統(tǒng)，包括參數(shù)獲取模塊11、時間劃分模塊12、曲線形成模塊13、聚類分析模塊15及分類模塊17。參數(shù)獲取模塊11用于獲取分析周期內(nèi)多個業(yè)務(wù)對象的目標(biāo)屬性特征參數(shù)。時間劃分模塊12用于將分析周期分為通過多個分析時間點劃分的分析時間段，曲線形成模塊13用于獲取多個業(yè)務(wù)對象在分析時間點對應(yīng)的目標(biāo)屬性特征參數(shù)的特征參數(shù)值，根據(jù)特征參數(shù)值形成分別與多個業(yè)務(wù)對象對應(yīng)的軌跡特征曲線。聚類分析模塊15用于對軌跡特征曲線進行聚類分析，將軌跡特征曲線中相似度小于設(shè)定值的曲線進行聚類得到聚類結(jié)果。分類模塊17用于根據(jù)聚類結(jié)果對業(yè)務(wù)對象進行分類。

優(yōu)選的，請參閱圖12，曲線形成模塊模塊13包括特征值獲取單元131及曲線形成單元132。特征值獲取單元131用于獲取多個業(yè)務(wù)對象在分析時間點對應(yīng)的目標(biāo)屬性特征參數(shù)的特征參數(shù)值。曲線形成單元132用于以分析時間點為橫坐標(biāo)，以多個業(yè)務(wù)對象在分析時間點所對應(yīng)時刻的目標(biāo)屬性特征參數(shù)的參數(shù)特征值為縱坐標(biāo)，形成分別與多個業(yè)務(wù)對象對應(yīng)的軌跡特征曲線。

請參閱圖13，在另一個實施例中，曲線形成模塊13包括參數(shù)值計算單元133及曲線形成單元135。參數(shù)值計算單元133用于根據(jù)目標(biāo)屬性特征參數(shù)，分別以分析時間點為基準(zhǔn)時間計算預(yù)設(shè)時間周期內(nèi)的目標(biāo)屬性特征參數(shù)的特征參數(shù)值。曲線形成單元135用于以分析時間點為橫坐標(biāo)，以多個業(yè)務(wù)對象在分析時間點對應(yīng)的參數(shù)特征值為縱坐標(biāo)，形成分別與多個業(yè)務(wù)對象對應(yīng)的軌跡特征曲線。

優(yōu)選的，請參閱圖14，聚類分析模塊15包括聚類集合單元151及聚類分析單元153。聚類集合單元151用于計算每一業(yè)務(wù)對象任意兩個分析時間點之間的軌跡特征曲線與其它業(yè)務(wù)對象在該對應(yīng)兩個分析時間點之間的軌跡特征曲線的軌跡距離，將軌跡距離小于閾值的曲線進行聚類，分別形成每一業(yè)務(wù)對象與該對應(yīng)兩個分析時間點對應(yīng)的聚類集合。聚類分析單元153用于通過集合形成單元重復(fù)以上步驟，獲取每一業(yè)務(wù)對象在分析周期內(nèi)預(yù)設(shè)數(shù)量的兩個分析時間點分別對應(yīng)的聚類集合得到聚類結(jié)果。

優(yōu)選的，請參閱圖15，聚類集合單元151包括參考曲線確定單元155、距離計算單元156、聚類單元157及集合形成單元159。參考曲線確定單元155用于以第一業(yè)務(wù)對象在任意兩個分析時間點之間的軌跡特征曲線為參考曲線。距離計算單元156用于以第二業(yè)務(wù)對象在該對應(yīng)兩個分析時間點之間的軌跡特征曲線為對比曲線，計算參考曲線與對比曲線之間的軌跡距離，所述第二業(yè)務(wù)對象為不同于所述第一業(yè)務(wù)對象的任一業(yè)務(wù)對象。聚類單元157用于當(dāng)軌跡距離小于或者等于閾值時，將第二業(yè)務(wù)對象的對比曲線與第一業(yè)務(wù)對象的參考曲線進行聚類。集合形成單元159用于將聚類的曲線形成第一業(yè)務(wù)對象與該對應(yīng)兩個分析時間點對應(yīng)的聚類集合。

優(yōu)選的，請參閱圖16，分類模塊17包括聚類數(shù)量獲取單元171及分類單元173。聚類數(shù)量獲取單元171用于獲取聚類結(jié)果中任意兩個業(yè)務(wù)對象包含相同聚類集合的數(shù)量。分類單元173用于當(dāng)至少兩個業(yè)務(wù)對象包含相同聚類集合的數(shù)量大于設(shè)定比例時，將該至少兩個業(yè)務(wù)對象分類至同一類型。

上述業(yè)務(wù)對象分類系統(tǒng)，獲得業(yè)務(wù)對象分類結(jié)果的過程中，不需要對業(yè)務(wù)對象類型的定義設(shè)置分類規(guī)則，也無需對業(yè)務(wù)對象類型事先進行定義，可根據(jù)各業(yè)務(wù)對象在分析周期內(nèi)不同分析時間點之間的曲線的聚類情況而對相似度高的業(yè)務(wù)對象進行自動聚類，按照聚類結(jié)果所反映出的業(yè)務(wù)對象行為屬性的相似情況而完成對業(yè)務(wù)對象的分類以及根據(jù)分類后的業(yè)務(wù)對象共同特征參數(shù)值而確定業(yè)務(wù)對象類型，分類結(jié)果更精確，適用于各種不同應(yīng)用目的的應(yīng)用程序的業(yè)務(wù)對象群的分類，得到具有實際指導(dǎo)意義的業(yè)務(wù)對象分類結(jié)果。其中，可以選取不同的目標(biāo)屬性特征參數(shù)而快速、準(zhǔn)確的得到以該相應(yīng)目標(biāo)屬性特征參數(shù)為分類維度獲得的業(yè)務(wù)對象分類結(jié)果，方便從不同維度對業(yè)務(wù)對象進行分類，分類粒度可以通過改變分析周期、將分析周期切分為分析時間點的數(shù)量、及形成每一業(yè)務(wù)對象的聚類結(jié)果時所依據(jù)的預(yù)設(shè)數(shù)量的兩個分析時間點的數(shù)量等進行調(diào)節(jié)，方便迅速、準(zhǔn)確的獲取不同粗細分類粒度的業(yè)務(wù)對象分類結(jié)果。

本領(lǐng)域普通技術(shù)人員可以理解實現(xiàn)上述實施例方法中的全部或部分流程，是可以通過計算機程序來指令相關(guān)的硬件來完成，所述的程序可存儲于一計算機可讀取存儲介質(zhì)中，該程序在執(zhí)行時，可包括如上述各方法的實施例的流程。其中，所述的存儲介質(zhì)可為磁碟、光盤、只讀存儲記憶體(Read-Only Memory，ROM)或隨機存儲記憶體(Random Access Memory，RAM)等。

以上所述實施例僅庫達了本發(fā)明的幾種實施方式，其描述較為具體和詳細，但并不能因此而理解為對發(fā)明專利范圍的限制。應(yīng)當(dāng)指出的是，對于本領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干變形和改進，這些都屬于本發(fā)明的保護范圍。