首页|基于共享最近邻的客户交易数据聚类算法

基于共享最近邻的客户交易数据聚类算法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
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.
A Customer Transaction Data Clustering Algorithm Based on Shared Nearest Neighbors

李遥、荀亚玲

展开 >

太原科技大学 计算机科学与技术学院,山西 太原 030024

聚类 交易数据 客户细分 交易树 共享最近邻

国家青年科学基金山西省自然科学基金太原科技大学博士科研启动基金

61602335201901D21130220172017

2022

10.3969/j.issn.1673-629X.2022.01.013

计算机技术与发展
陕西省计算机学会

计算机技术与发展

CSTPCD
影响因子：0.621
ISSN：1673-629X
年,卷(期)：2022.32(1)
  • 5