基于机器学习的用户分群处理方法、装置及电子终端与流程

本发明涉及数据处理技术领域，尤其涉及基于机器学习的用户分群处理方法、装置及电子终端。

背景技术：

随着信息时代地快速发展，每天都会有大量用户信息产生，通过对这些用户信息进行有效分析，将用户的每个具体信息抽象成标签，利用这些标签将用户形象具体化从而构建出用户画像。

传统的用户画像生成主要为，对不同用户按照一定规则进行特征统计，然后在人工手动分群。这种传统的用户画像生成方式在，比较适合对较少数量的用户信息进行用户画像分群，在大数据应用环境中，用户信息包括多维度、信息复杂且信息量较大，通过人工手动方式实现用户分群，耗时耗力，人工成本高，且很难全面地统计每个用户信息，进而造成用户分群准确度低。

技术实现要素：

有鉴于此，本发明实施例提供了一种基于机器学习的用户分群处理方法、装置及电子终端，用以解决现有技术对用户分群耗时耗力，用户分群准确度低的问题。

一方面，本发明实施例提供了一种基于机器学习的用户分群处理方法，所述基于机器学习的用户分群处理方法包括：

获取多个脱敏处理后的脱敏用户数据，其中，所述脱敏用户数据包括用户标识以及用户标识对应的用户特征；

利用spark大数据运算平台中的决策树模型对各个脱敏用户数据进行分类处理，得到分类处理结果；

基于所述决策树的决策路径以及所述分类处理结果，逐层统计所述决策树模型中每个节点的类群信息，其中，所述类群信息包括用户标识数量、用户特征、各维度的用户特征的用户占比；

根据所述决策树的决策路径以及每个决策树模型中每个节点的类群信息，生成用户数据分布树，并保存所述用户数据分布树。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，当统计所述决策树模型中每个节点包含的用户标识数量时，所述基于所述决策树的决策路径以及所述分类处理结果，逐层统计所述决策树模型中每个节点的类群信息，包括：

统计所述决策树中的每个终节点包含的用户标识数量；

根据所述决策树的决策路径，将连接同一目标节点ni的所有终节点确定为一组第一候选节点，得到若干组第一候选节点，其中，i为大于或等于1的整数，当i＝1时，所述目标节点ni为与所述终节点相邻的上一级节点；

分别获取同一组内所有第一候选节点包括的用户标识数量和，以得到每个目标节点ni包括的用户标识数量；

检测所述每个目标节点ni是否具有上一级节点；

若检测出至少一个目标节点ni具有上一级节点，根据所述决策树的决策树路径，将连接同一目标节点ni+1的所有目标节点ni确定为一组候选节点，得到若干组第二候选节点；且分别获取同一组内所有第二候选节点包括的用户标识数量和，以得到每个目标节点ni+1包括的用户标识数量；

若所述每个目标节点ni均未检测到上一级节点，则指示所述决策树中每个节点的用户标识数量统计完成。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，当统计所述决策树模型中每个节点的各维度用户特征的用户占比时，所述基于所述决策树的决策路径以及所述分类处理结果，逐层统计所述决策树模型中每个节点的类群信息，包括：

基于所述决策树的决策路径采用反向搜索方式，确定每个节点对应的所有上级节点；

根据所述每个节点的用户标识数量及其对应的每个上级节点的用户标识数量，计算每个节点的用户标识数量与其对应的每个上级节点的用户标识数量的商，所述商即为用户占比。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述根据所述决策树的决策路径以及每个决策树模型中每个节点的类群信息，生成用户数据分布树，并保存所述用户数据分布树之后，所述方法还包括：

获取用户数据分布树的查询请求，所述查询请求至少携带目标用户特征；

根据所述查询请求中携带目标用户特征，定位所述目标用户特征所在目标节点；

输出所述目标节点对应的类群信息。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述查询请求中还携带有查询者标识，在所述输出所述目标节点对应的类群信息之前，所述方法还包括：

根据查询请求中携带的查询者标识确定所述查询者的查询权限；

当确定所述查询者的查询权限为查询部分信息权限，输出所述目标节点对应的用户标识数量；

当确定所述查询者的查询权限为查询全部信息权限，输出所述目标节点对应的类群信息。

第二方面，本发明实施例提供了一种基于机器学习的用户分群处理装置，所述基于机器学习的用户分群处理装置包括：

获取单元，用于获取多个脱敏处理后的脱敏用户数据，其中，所述脱敏用户数据包括用户标识以及用户标识对应的用户特征；

模型处理单元，用于利用spark大数据运算平台中的决策树模型对各个脱敏用户数据进行分类处理，得到分类处理结果；

统计单元，用于基于所述决策树的决策路径以及所述分类处理结果，逐层统计所述决策树模型中每个节点的类群信息，其中，所述类群信息包括用户标识数量、用户特征、各维度的用户特征的用户占比；

生成单元，用于根据所述决策树的决策路径以及每个决策树模型中每个节点的类群信息，生成用户数据分布树；

存储单元，用于保存所述用户数据分布树。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，当统计所述决策树模型中每个节点包含的用户标识数量时，所述统计单元用于基于所述决策树的决策路径以及所述分类处理结果，逐层统计所述决策树模型中每个节点的类群信息，包括：

统计所述决策树中的每个终节点包含的用户标识数量；

根据所述决策树的决策路径，将连接同一目标节点ni的所有终节点确定为一组第一候选节点，得到若干组第一候选节点，其中，所述目标节点ni为与所述终节点相邻的上一级节点；

分别获取同一组内所有第一候选节点包括的用户标识数量和，以得到每个目标节点ni包括的用户标识数量；

检测所述每个目标节点ni是否具有上一级节点；

若检测出至少一个目标节点ni具有上一级节点，根据所述决策树的决策树路径，将连接同一目标节点ni+1的所有目标节点ni确定为一组候选节点，得到若干组第二候选节点；且分别获取同一组内所有第二候选节点包括的用户标识数量和，以得到每个目标节点ni+1包括的用户标识数量；

若所述每个目标节点ni均未检测到上一级节点，则指示所述决策树中每个节点的用户标识数量统计完成。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，当统计所述决策树模型中每个节点的各维度用户特征的用户占比时，所述统计单元用于基于所述决策树的决策路径以及所述分类处理结果，逐层统计所述决策树模型中每个节点的类群信息，包括：

基于所述决策树的决策路径采用反向搜索方式，确定每个节点对应的所有上级节点；

根据所述每个节点的用户标识数量及其对应的每个上级节点的用户标识数量，计算每个节点的用户标识数量与其对应的每个上级节点的用户标识数量的商，所述商即为用户占比。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述基于机器学习的用户分群处理装置还包括定位单元以及输出单元，所述生成单元用于根据所述决策树的决策路径以及每个决策树模型中每个节点的类群信息，生成用户数据分布树，且存储单元用于保存所述用户数据分布树之后，

所述获取单元，还用于获取用户数据分布树的查询请求，所述查询请求至少携带目标用户特征；

所述定位单元，用于根据所述查询请求中携带目标用户特征，定位所述目标用户特征所在目标节点；

所述输出单元，用于输出所述目标节点对应的类群信息。

第三方面，本发明实施例提供了一种电子终端，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现第一方面中任一所述的基于机器学习的用户分群处理方法。

第四方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面中任一所述基于机器学习的用户分群处理方法。

上述技术方案中具有如下有益效果：

本发明提供的方案中，通过利用spark大数据运算平台中的决策树模型对各个脱敏用户数据进行分类处理，以得到分类结果，从而基于spark大数据运算平台中的决策树模型的决策路径和分类结果，统计每个节点的类群信息，从而利用决策树实现全量样本用户数据的自动化分群处理，进而避免人工手动方式实现用户分群，耗时耗力且很难全面地统计每个用户信息的问题，提高了用户分群准确度低和效率。并通过统计每个节点的类群信息，并将这些节点的类群信息以树的形式进行存储，每个节点只需要保存一个用户特征，如此以来，可以在一定程度有效减少数据冗余，实现将大量的原始用户数据压缩成小容量的用户数据分布树，从而使得上述方法可以在单机系统中执行。

【附图说明】

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1是本发明实施例提供的一种基于机器学习的用户分群处理方法的流程示意图；

图2是本发明实施例针对于图1中基于机器学习的用户分群处理方法中的步骤106的提供的一种实现方法的流程示意图；

图3是本发明实施例提供的一种决策树的结构示意图；

图4是本发明实施例针对于图1中基于机器学习的用户分群处理方法中的步骤106的提供的一种实现方法的流程示意图；

图5是本发明实施例一种基于机器学习的用户分群处理装置的结构示意图；

图6是本发明实施例一种电子终端的结构示意图。

【具体实施方式】

为了更好的理解本发明的技术方案，下面结合附图对本发明实施例进行详细描述。

应当明确，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。

应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。

针对于现有技术中通过人工手动对用户画像进行分群的方式，人工成本高且用户分群准确度低的问题，本发明提出通过决策树模型对海量的用户数据进行分类处理，并且基于该决策树的决策路径统计经过决策树每个节点的用户数据数量、用户特征以及不同维度用户特征的用户占比等，以实现将全量样本进行优化分群。基于上述思想，本发明提出一种基于机器学习的用户分群处理方法。

具体的，请参考图1，其为本发明实施例所提供的一种基于机器学习的用于分群方法的流程示意图，如图1所示，该方法包括以下步骤：

102、获取多个脱敏处理后的脱敏用户数据，其中，该脱敏用户数据包括用户标识以及用户标识对应的用户特征。

其中，用户标识用于唯一标识一个用户，该用户标识可以是用户脱敏后的身份证号、护照号；或者，还可以是为系统为每一个用户分配的用户id号。

其中，用户特征为描述用户所具备的属性信息。一个用户通常具备众多不同维度的属性信息，如可以包括但不限于：年龄、性别、工作行业、资产情况、学历、户籍、用户行为等不同维度的属性信息。为了能够将众多用户尽可能分散分布，从而实现准确地详细地对用户进行分群，上述用户特征包括一系列不同维度的属性信息。

另外，所谓脱敏处理是指对数据中敏感信息通过脱敏规则进行数据的变形，从而有效隐藏敏感隐私的数据。在涉及用户安全数据或者一些商业性敏感数据的情况下，在不违反系统规则条件下，对真实数据进行改造并提供测试使用，如身份证号、手机号、卡号、客户号等个人信息都需要进行数据脱敏处理。

104、利用spark大数据运算平台中的决策树模型对各个脱敏用户数据进行分类处理，得到分类处理结果。

其中，spark大数据运算平台中本身支持分类决策树算法、决策树回归算法，其可以本身所支持的算法，利用数据经过机器学习训练，建立相关的分类决策树。即在步骤104利用spark大数据运算平台中的决策树模型对各个用户特征进行分类处理，得到分类处理结果之前，需要先建立该决策树。在建立给决策树中之前，需要先获取一些脱敏用户数据，并且根据需求对这些用户数据打标签，用这些用户数据以及对应的标签构成训练样本，将训练样本输入到spark大数据运算平台，利用spark大数据运算平台自身的决策算法，构建该决策树。

106、基于决策树的决策路径以及分类处理结果，逐层统计决策树模型中每个节点的类群信息，其中，类群信息包括用户标识数量、用户特征、各维度用户特征的用户占比。

其中，决策路径是介于两个决策节点中的路径，决策路径决定待处理的脱敏用户数据应该由当前节点传输到当前节点下一级哪个节点中。一个节点到其下一级节点的决策路径其实际为数据在一个特征属性上的判断，例如，根节点的数据中，具备“有车有房”这一特征属性进入其左叶子节点，不具备该特征属性的则进入其右叶子节点。基于此分析，可知决策树中的每个叶子节点中的数据都至少具有一个共同的特征，每个叶子节点中的用户都可以表示具有相同的特征的一类群体，因此，在对用户进行分群处理借助决策树的决策路径能够相对快速地对大量的用户从多个维度进行分群处理。

上述基于决策树的决策路径以及分类处理结果，针对于决策树模型中每个节点的用户标识数量、各维度的用户特征的用户占比等类群信息进行逐层统计的具体实现方式在下文中进行详细说明，本发明在此不再赘述。

108、根据决策树的决策路径以及每个决策树模型中每个节点的类群信息，生成用户数据分布树，并保存用户数据分布树。

以用户数据分布树的形式存储用户分群数据，即保存了每个类群的对应的类群信息，有保存了个体类群信息之间的关系，便于后续对用户群体的查找和分析。

本发明提供的方案中，通过利用spark大数据运算平台中的决策树模型对各个脱敏用户数据进行分类处理，以得到分类结果，从而基于spark大数据运算平台中的决策树模型的决策路径和分类结果，统计每个节点的类群信息，从而利用决策树实现全量样本用户数据的自动化分群处理，进而避免人工手动方式实现用户分群，耗时耗力且很难全面地统计每个用户信息的问题，提高了用户分群准确度低和效率。并通过统计每个节点的类群信息，并将这些节点的类群信息以树的形式进行存储，每个节点只需要保存一个用户特征，如此以来，可以在一定程度有效减少数据冗余，实现将大量的原始用户数据压缩成小容量的用户数据分布树，从而使得上述方法可以在单机系统中执行。

可选地是，决策树中的根节点和叶子节点之间具有连接关系，并且在实现分类过程中，根节点中的全部脱敏用户数据会被分到与该根节点连接的叶子节点中，结合决策树的该特征，为了能够准确且快速地统计出每个节点的用户标识数量，可以根据决策树的决策路径，采用反向搜索方式统计每个节点的用户标识数量。基于此思想，如图2所示，针对于步骤106的实现提供了一种实现方式，当统计决策树模型中每个节点包含的用户标识数量时，步骤106基于决策树的决策路径以及分类处理结果，逐层统计决策树模型中每个节点的类群信息，包括：

s11，统计决策树中的每个终节点包含的用户标识数量。

s12，根据决策树的决策路径，将连接同一目标节点ni的所有终节点确定为一组第一候选节点，得到若干组第一候选节点，其中，i为大于或等于1的整数，当i＝1时，目标节点ni为与终节点相邻的上一级节点。

s13，分别获取同一组内所有第一候选节点包括的用户标识数量和，以得到每个目标节点ni包括的用户标识数量。

s14，检测每个目标节点ni是否具有上一级节点。

s15，若检测出至少一个目标节点ni具有上一级节点，根据决策树的决策树路径，将连接同一目标节点ni+1的所有目标节点ni确定为一组候选节点，得到若干组第二候选节点；且分别获取同一组内所有第二候选节点包括的用户标识数量和，以得到每个目标节点ni+1包括的用户标识数量。

具体的，在s15中得到每个目标节点ni+1包括的用户标识数量之后，令i＝i+1，继续执行s14，直到确定出该决策树树种的所有节点都统计完成，或者说，确定出ni无上一级节点，停止步骤s14和s15的循环执行。

s16，若每个目标节点ni均未检测到上一级节点，则指示决策树中每个节点的用户标识数量统计完成。

例如，如图3所示的决策树，其包括2层决策，共7个节点，其中，节点a为源节点，节点b和c为节点a的两个叶子节点；节点d和e为节点b的两个叶子节点；节点f和g为节点c的两个叶子节点。假设结果步骤104处理后，得到分类结果为最后一层的终节点defg中包括的用户标识数量分别为7、10、15、8，有该决策树的决策路径可知，终节点de连接同一节点b以及终节点fg连接同一节点c，从而确定终节点de为同一组候选节点，终节点fg为同一组候选节点，进而分别确定终节点de连接的同一节点b的用户标识数量为17，以及，终节点fg连接的同一节点c的用户标识数量为23；进一步确定出节点bc同连接节点a，从而确定出节点a的用户标识数量为40，且确定节点a与源节点，其不存在上一级节点，因此，确定决策树中每个节点包括的用户标识数量已统计完成。

可选的是，在统计每个节点中的用户在各维度的用户特征的用户占比时，也根据决策树的决策路径，采用反向搜索方式统计每个节点的不同用户特征的用户占比，基于此，如图4所示，针对于步骤106的实现提供了另一种实现方式，即针对于步骤106基于所述决策树的决策路径以及所述分类处理结果，逐层统计所述决策树模型中每个节点的类群信息的实现，可以包括：

s21，基于决策树的决策路径采用反向搜索方式，确定每个节点对应的所有上级节点。

s22，根据每个节点的用户标识数量及其对应的每个上级节点的用户标识数量，计算每个节点的用户标识数量与其对应的每个上级节点的用户标识数量的商，商即为用户占比。

决策树对脱敏用户数据进行处理的过程中，由源节点开始向下逐层决策确定该用户分配到哪一个节点的决策依据就是确定该用户在某一维度上的用户特征是否满足要求，并根据确定出的结果分配该用户到对应的节点。因此，通过计算每个节点的用户标识数量与其对应的每个上级节点的用户标识数量的商，就可以确定出各个维度用户特征的用户占比。

例如，请再次参考图3所示的决策树，下面继续引用上述统计用户标识数据的举例具体说明计算占比的过程：首先假设，节点a到节点bc的决策依据是性别，如为男则进入节点b，如为女则进入节点c；节点b到节点de的决策依据是工作属性，如果是软件开发则进入节点d，如果不是则进入节点e；点c到节点fg的决策依据是工作属性，如果是会计则进入节点f，如果不是则进入节点g。基于上述假设具体说明计算占比的过程：通过反向搜索方式，确定d的上级节点包括ba、e的上级节点也包括ba，f的上级节点包括ca，g的上级节点包括ca；d包含7个用户标识，b包含17个用户标识，a包含40个用户标识，其中，d与b的商为7/17，d与a的商为7/40由此可知，这些脱敏用户数据中从事软件开发工作的用户占男性总数的7/17，其从事软件开发工作的男性用户占总人数的为7/40；e包含10个用户标识，其中，e与b的商为10/17，e与a的商为10/40，由此可知，这些脱敏用户数据中从事其他工作的用户占男性总数的10/17，从事其他工作的男性用户占总人数的为10/40。

可选的是，对用户进行分群处理的目的是为了便于针对于同一类群的人有针对性的进行分析，基于此，为了能够快速地确定出需要分析的用户群体的类群信息，可以先设定待分析用户群体具备的目标用户特征，然后利用该目标用户特征从该用户数据分布树中定位出具备该目标用户特征的群体，即在根据决策树的决策路径以及每个决策树模型中每个节点的类群信息，生成用户数据分布树，并保存用户数据分布树之后，还可以具体执行：获取用户数据分布树的查询请求，查询请求至少携带目标用户特征；根据查询请求中携带目标用户特征，定位目标用户特征所在目标节点；输出目标节点对应的类群信息。其中，定位目标用户特征所在目标节点时可以采用反向搜索方式，从最末层节点开始搜索；或者，也可以采用正向搜索方式，从源节点开始搜索；或者，为了提高搜索速度，节省时间，还可以采用中间搜索方式，即以用户数据分布树的中间层对应的节点为起始点，分别向用户数据分布树的源节点和最末层节点搜索，本发明对此不作具体限定。

例如，如图3所示的决策树，假设得到的查询请求1中携带目标用户特征为男性，采用反向搜索方式或者正向搜书方式定位出节点b，因此，获取节点b的类群信息，输出该男性，且用户占比为17/40的信息；假设得到的查询请求2中携带目标用户特征为女性以及从事会计工作，采用反向搜索方式或者正向搜书方式定位出节点f，因此，获取节点f的类群信息，输出该女性从事会计工作，且从事会计占女性的15/23，从事会计工作的女性占总人数的15/40。

可选的是，为了保证信息的安全性，可以设置不同多个查询权限，如设置可以查询部分信息权限，可以查询全部信息权限，基于此，在输出所述目标节点对应的类群信息之前，需要先确定对应的查询权限，基于其查询权输出对应的数据。具体可以为：从查询请求中解析出该查询请求中携带的查询者标识，从而利用该查询者标识，与预存的标识与查询权限配置表中的标识进行比对，选择出该配置表中与该查询者标识匹配的目标标识，并得到该目标标识对应的查询权限，其中，该该目标标识对应的查询权限即为查询者的查询权限；当确定查询者的查询权限为查询部分信息权限，输出目标节点对应的用户标识数量；当确定查询者的查询权限为查询全部信息权限，输出目标节点对应的类群信息。另外，补充说明的是，若利用该查询者标识，与预存的标识与查询权限配置表中的标识进行比对后，从该预存的配置表中未找到与该查询者标识匹配的标识，则表明该查询者不具备查询该用户数据分布树的查询权限，此时不需要输出任何类群信息，或者，输出非法查询的告警信息。

其中，上述查询者标识可以用户身份的信息，如查询人员的身份证号、指纹信息、虹膜信息、脸部信息等；或者，该查询者标识可以是查询者的id号，经过token认证机制处理后得到的一种信息。

需要说明的是，上述方法的执行主体可以为基于机器学习的用户分群处理装置，该装置可以位于本地终端的应用，或者还可以为位于本地终端的应用中的插件或软件开发工具包(softwaredevelopmentkit，sdk)等功能单元，本发明实施例对此不进行特别限定。

可以理解的是，所述应用可以是安装在终端上的应用程序(nativeapp)，或者还可以是终端上的浏览器的一个网页程序(webapp)，本发明实施例对此不进行限定。

基于上述实施例所提供的基于机器学习的用户分群处理方法，本发明实施例进一步给出实现上述方法实施例中各步骤及方法的装置实施例。

请参考图5，其为本发明实施例所提供的装置的功能方块图。如图5所示，该装置基于机器学习的用户分群处理装置包括：获取单元21，模型处理单元22，统计单元23，生成单元24以及存储单元25。其中，获取单元21，用于获取多个脱敏处理后的脱敏用户数据，其中，脱敏用户数据包括用户标识以及用户标识对应的用户特征；模型处理单元22，用于利用spark大数据运算平台中的决策树模型对各个脱敏用户数据进行分类处理，得到分类处理结果；统计单元23，用于基于决策树的决策路径以及分类处理结果，逐层统计决策树模型中每个节点的类群信息，其中，类群信息包括用户标识数量、用户特征、各维度的用户特征的用户占比；生成单元24，用于根据决策树的决策路径以及每个决策树模型中每个节点的类群信息，生成用户数据分布树；存储单元25，用于保存用户数据分布树。

可选的是，本发明实施例中，当统计决策树模型中每个节点包含的用户标识数量时，该统计单元23用于基于决策树的决策路径以及分类处理结果，逐层统计决策树模型中每个节点的类群信息，包括：首先，统计决策树中的每个终节点包含的用户标识数量；然后，根据决策树的决策路径，将连接同一目标节点ni的所有终节点确定为一组第一候选节点，得到若干组第一候选节点，其中，i为大于或等于1的整数，当i＝1时，目标节点ni为与终节点相邻的上一级节点；从而，分别获取同一组内所有第一候选节点包括的用户标识数量和，以得到每个目标节点ni包括的用户标识数量；以及，检测每个目标节点ni是否具有上一级节点；若检测出至少一个目标节点ni具有上一级节点，根据决策树的决策树路径，将连接同一目标节点ni+1的所有目标节点ni确定为一组候选节点，得到若干组第二候选节点；且分别获取同一组内所有第二候选节点包括的用户标识数量和，以得到每个目标节点ni+1包括的用户标识数量；若每个目标节点ni均未检测到上一级节点，则指示决策树中每个节点的用户标识数量统计完成。

可选的是，本发明实施例提供的装置中，当统计决策树模型中每个节点的各维度用户特征的用户占比时，该统计单元23用于基于决策树的决策路径以及分类处理结果，逐层统计决策树模型中每个节点的类群信息，包括：基于决策树的决策路径采用反向搜索方式，确定每个节点对应的所有上级节点；从而，根据每个节点的用户标识数量及其对应的每个上级节点的用户标识数量，计算每个节点的用户标识数量与其对应的每个上级节点的用户标识数量的商，商即为用户占比。

可选的是，本发明实施例提供的基于机器学习的用户分群处理装置还包括定位单元以及输出单元(图5中未示出)，在生成单元24用于根据决策树的决策路径以及每个决策树模型中每个节点的类群信息，生成用户数据分布树，且存储单元用于保存用户数据分布树之后，获取单元21，还用于获取用户数据分布树的查询请求，查询请求至少携带目标用户特征；从而，定位单元用于根据查询请求中携带目标用户特征，定位目标用户特征所在目标节点；进而，输出单元用于输出目标节点对应的类群信息。

由于本实施例中的各单元能够执行上述基于机器学习的用户分群处理方法，本实施例未详细描述的部分，可参考对基于机器学习的用户分群处理方法的相关说明。

图6为本申请电子终端一个实施例的结构示意图，上述电子可以包括存储器、处理器及存储在上述存储器上并可在上述处理器上运行的计算机程序，上述处理器执行上述计算机程序时，可以实现本申请实施例提供的基于机器学习的用户分群处理方法。

其中，上述电子终端可以包括但不限于智能手机、平板电脑或可穿戴智能设备等智能电子设备，另外，上述电子终端也可以为服务器，本实施例对上述电子终端的具体形态不作限定。

图6示出了适于用来实现本申请实施方式的示例性电子终端30的框图。图6显示的电子终端30仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图6所示，电子终端30以通用计算设备的形式表现。电子终端30的组件可以包括但不限于：一个或者多个处理器或者处理单元310，系统存储器320，连接不同系统组件(包括系统存储器320和处理单元310)的总线330。

总线330表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(industrystandardarchitecture；以下简称：isa)总线，微通道体系结构(microchannelarchitecture；以下简称：mac)总线，增强型isa总线、视频电子标准协会(videoelectronicsstandardsassociation；以下简称：vesa)局域总线以及外围组件互连(peripheralcomponentinterconnection；以下简称：pci)总线。

电子终端30典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子终端30访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

系统存储器320可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(randomaccessmemory；以下简称：ram)321和/或高速缓存存储器322。电子终端30可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统323可以用于读写不可移动的、非易失性磁介质(图6未显示，通常称为“硬盘驱动器”)。尽管图6中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如：光盘只读存储器(compactdiscreadonlymemory；以下简称：cd-rom)、数字多功能只读光盘(digitalvideodiscreadonlymemory；以下简称：dvd-rom)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线330相连。存储器320可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本申请各实施例的功能。

具有一组(至少一个)程序模块324的程序/实用工具325，可以存储在例如存储器320中，这样的程序模块324包括——但不限于——操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块324通常执行本申请所描述的实施例中的功能和/或方法。

电子终端30也可以与一个或多个外部设备40(例如键盘、指向设备、显示器410等)通信，还可与一个或者多个使得用户能与该电子终端30交互的设备通信，和/或与使得该电子终端30能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口340进行。并且，电子终端30还可以通过网络适配器350与一个或者多个网络(例如局域网(localareanetwork；以下简称：lan)，广域网(wideareanetwork；以下简称：wan)和/或公共网络，例如因特网)通信。如图6所示，网络适配器350通过总线330与电子终端30的其它模块通信。应当明白，尽管图6中未示出，可以结合电子终端30使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。

处理单元310通过运行存储在系统存储器320中的程序，从而执行各种功能应用以及数据处理，例如实现本申请实施例提供的测试数据的采集方法。

本申请实施例还提供一种计算机可读存储介质，其上存储有计算机程序，上述计算机程序被处理器执行时可以实现本申请实施例提供的基于机器学习的用户分群处理方法。

上述计算机可读存储介质可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(ram)、只读存储器(readonlymemory；以下简称：rom)、可擦式可编程只读存储器(erasableprogrammablereadonlymemory；以下简称：eprom)或闪存、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、电线、光缆、rf等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本申请操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(localareanetwork；以下简称：lan)或广域网(wideareanetwork；以下简称：wan)连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本发明所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机装置(可以是个人计算机，服务器，或者网络装置等)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-onlymemory，rom)、随机存取存储器(randomaccessmemory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。