客户需求的挖掘方法、装置及电子设备与流程

本技术涉及大数据，具体而言，涉及一种客户需求的挖掘方法、装置及电子设备。

背景技术：

1、目前，金融机构中客户的需求是金融机构进行技术创新决策、研发投入、科研活动组织与科研成果转化的主体，所以客户需求对金融机构的生产创新有着重要指导意义。目前，在客户需求挖掘过程中，需要对实际生产环境中的各类数据信息进行收集，以及根据收集到的数据进行技术需求的交流探讨。现有技术中最常见的企业需求挖掘方式是采用表格填写、电子邮件、配置网页、微信小程序进行信息的收集的方式收集客户的数据信息，然后对表格中各类数据、具体信息进行整合和汇总，并进行技术交流探讨，得到客户需求的挖掘结果。但考虑到许多金融机构都选择向多个方向同时发展，以及应用于技术研究的资金有限，使得挖掘相关的人力资源和其他资源的供给状况受到影响，导致金融机构的客户需求挖掘存在一定的困难，进而造成挖掘结果不准确的问题。

2、针对相关技术中通过收集数据和会议交流挖掘企业需求时，由于不同技术人员拥有不同发展方向，使得企业需求的挖掘方向不清晰，导致企业需求的挖掘结果不准确的问题，目前尚未提出有效的解决方案。

技术实现思路

1、本技术的主要目的在于提供一种客户需求的挖掘方法、装置及电子设备，以解决相关技术中通过收集数据和会议交流挖掘企业需求时，由于不同技术人员拥有不同发展方向，使得企业需求的挖掘方向不清晰，导致企业需求的挖掘结果不准确的问题。

2、为了实现上述目的，根据本技术的一个方面，提供了一种客户需求的挖掘方法，该方法包括：对样本数据集中的样本数据进行密度估计，得到密度图，其中，所述样本数据集中包括客户浏览页面的图片数据，所述密度图表示二维平面中不同区域像素的密度分布情况；依据客户浏览策略确定所述密度图的概率密度函数，并依据所述概率密度函数确定数据特征，其中，所述数据特征是指所述客户待浏览的页面的图像特征；依据所述数据特征构建水平集函数，并依据所述水平集函数获取目标特征，其中，所述目标特征是指所述数据特征通过所述水平集函数进行处理得到的图像特征；依据所述目标特征确定所述客户待浏览的页面，将所述客户待浏览的页面作为对所述客户的需求的挖掘结果。

3、进一步地，依据客户浏览策略确定所述密度图的概率密度函数，并依据所述概率密度函数确定数据特征包括：确定所述密度图的特征值；依据所述特征值对所述密度图进行分类，得到所述密度图的多个分区；依据每个分区中的密度值，计算每个分区的密度均值；依据每个分区的密度均值和所述客户浏览策略生成所述概率密度函数；通过变更所述客户浏览策略优化所述概率密度函数，并依据优化后的概率密度函数获取所述数据特征。

4、进一步地，通过变更所述客户浏览策略优化所述概率密度函数，并依据优化后的概率密度函数获取所述数据特征包括：依据每个分区的密度均值和所述客户浏览策略计算所述多个分区中每个分区的目标概率，所述每个分区的目标概率表示所述客户选择所述分区进行浏览的概率；依据每个分区的目标概率生成所述密度图的最近邻居的链接树，并在所述最近邻居的链接树确定目标路径，其中，所述目标路径是指所述分区沿所述目标概率的梯度增大的方向移动所形成的路径；依据所述目标路径生成所述概率密度函数，并计算所述概率密度函数的局部最大值；对所述客户浏览策略进行变更，重复执行依据每个分区的密度均值和所述客户浏览策略计算所述多个分区中每个分区的目标概率至依据所述目标路径生成所述概率密度函数，并计算所述概率密度函数的局部最大值的步骤，直到所述局部最大值大于第一预设数值，将所述局部最大值大于所述第一预设数值的概率密度函数作为所述优化后的概率密度函数，并将所述优化后的概率密度函数对应的目标路径确定为所述数据特征。

5、进一步地，依据所述数据特征构建水平集函数，并依据所述水平集函数获取目标特征包括：从所述样本数据中提取边缘特征、形状特征和纹理特征；对所述数据特征、所述边缘特征、所述形状特征和所述纹理特征进行特征融合，得到融合后的特征信息；依据所述融合后的特征信息构建所述水平集函数，并对所述水平集函数进行计算，得到所述目标特征。

6、进一步地，依据所述融合后的特征信息构建所述水平集函数，并对所述水平集函数进行计算，得到所述目标特征包括：由所述数据特征生成第一先验项，并将所述第一先验项作为能量项构建所述水平集函数，其中，所述第一先验项是所述水平集函数优化过程中的约束条件，所述能量项用于指导所述水平集函数的优化；依据所述水平集函数构建一元能量泛函；计算所述一元能量泛函的值，并在所述一元能量泛函的值小于第二预设数值时，依据当前的所述一元能量泛函获取第一特征；依据所述第一特征构建二元能量泛函，并计算所述二元能量泛函的最小值，得到所述目标特征。

7、进一步地，在对样本数据集中的样本数据进行密度估计，得到密度图之前，所述方法还包括：获取所述客户的历史浏览页面的图片，得到所述样本数据；按照所述样本数据的浏览时刻对所述样本数据进行标注，得到标注信息；依据所述样本数据和所述标注信息确定所述样本数据集。

8、进一步地，依据所述第一特征构建二元能量泛函，并计算所述二元能量泛函的最小值，得到所述目标特征包括：依据所述第一特征生成第二先验项，并依据所述第二先验项和所述标注信息构建所述二元能量泛函；依据所述二元能量泛函计算所述水平集函数的非正区域相交面积；在所述水平集函数的非正区域相交面积小于第三预设数值时，依据所述二元能量泛函获取所述目标特征。

9、进一步地，在依据所述目标特征确定所述客户待浏览的页面，将所述客户待浏览的页面作为对所述客户的需求的挖掘结果之后，所述方法还包括：将所述挖掘结果发送至目标对象，其中，通过所述目标对象依据所述挖掘结果生成针对所述客户的服务策略。

10、为了实现上述目的，根据本技术的另一方面，提供了一种客户需求的挖掘装置，该装置包括：计算单元，用于对样本数据集中的样本数据进行密度估计，得到密度图，其中，所述样本数据集中包括客户浏览页面的图片数据，所述密度图表示二维平面中不同区域像素的密度分布情况；第一确定单元，用于依据客户浏览策略确定所述密度图的概率密度函数，并依据所述概率密度函数确定数据特征，其中，所述数据特征是指所述客户待浏览的页面的图像特征；第一获取单元，用于依据所述数据特征构建水平集函数，并依据所述水平集函数获取目标特征，其中，所述目标特征是指所述数据特征通过所述水平集函数进行处理得到的图像特征；第二确定单元，用于依据所述目标特征确定所述客户待浏览的页面，将所述客户待浏览的页面作为对所述客户的需求的挖掘结果。

11、进一步地，所述第一确定单元包括：确定子单元，用于确定所述密度图的特征值；分类子单元，用于依据所述特征值对所述密度图进行分类，得到所述密度图的多个分区；第一计算子单元，用于依据每个分区中的密度值，计算每个分区的密度均值；生成子单元，用于依据每个分区的密度均值和所述客户浏览策略生成所述概率密度函数；获取子单元，用于通过变更所述客户浏览策略优化所述概率密度函数，并依据优化后的概率密度函数获取所述数据特征。

12、进一步地，所述获取子单元包括：第一计算模块，用于依据每个分区的密度均值和所述客户浏览策略计算所述多个分区中每个分区的目标概率，所述每个分区的目标概率表示所述客户选择所述分区进行浏览的概率；第一确定模块，用于依据每个分区的目标概率生成所述密度图的最近邻居的链接树，并在所述最近邻居的链接树确定目标路径，其中，所述目标路径是指所述分区沿所述目标概率的梯度增大的方向移动所形成的路径；第二计算模块，用于依据所述目标路径生成所述概率密度函数，并计算所述概率密度函数的局部最大值；第二确定模块，用于对所述客户浏览策略进行变更，重复执行依据每个分区的密度均值和所述客户浏览策略计算所述多个分区中每个分区的目标概率至依据所述目标路径生成所述概率密度函数，并计算所述概率密度函数的局部最大值的步骤，直到所述局部最大值大于第一预设数值，将所述局部最大值大于所述第一预设数值的概率密度函数作为所述优化后的概率密度函数，并将所述优化后的概率密度函数对应的目标路径确定为所述数据特征。

13、进一步地，所述第一获取单元包括：提取子单元，用于从所述样本数据中提取边缘特征、形状特征和纹理特征；融合子单元，用于对所述数据特征、所述边缘特征、所述形状特征和所述纹理特征进行特征融合，得到融合后的特征信息；第二计算子单元，用于依据所述融合后的特征信息构建所述水平集函数，并对所述水平集函数进行计算，得到所述目标特征。

14、进一步地，所述第二计算子单元包括：第一构建模块，用于由所述数据特征生成第一先验项，并将所述第一先验项作为能量项构建所述水平集函数，其中，所述第一先验项是所述水平集函数优化过程中的约束条件，所述能量项用于指导所述水平集函数的优化；第二构建模块，用于依据所述水平集函数构建一元能量泛函；第三计算模块，用于计算所述一元能量泛函的值，并在所述一元能量泛函的值小于第二预设数值时，依据当前的所述一元能量泛函获取第一特征；第四计算模块，用于依据所述第一特征构建二元能量泛函，并计算所述二元能量泛函的最小值，得到所述目标特征。

15、进一步地，所述装置还包括：第二获取单元，用于在对样本数据集中的样本数据进行密度估计，得到密度图之前，获取所述客户的历史浏览页面的图片，得到所述样本数据；标注单元，用于按照所述样本数据的浏览时刻对所述样本数据进行标注，得到标注信息；第三确定单元，用于依据所述样本数据和所述标注信息确定所述样本数据集。

16、进一步地，所述第四计算模块包括：构建子模块，用于依据所述第一特征生成第二先验项，并依据所述第二先验项和所述标注信息构建所述二元能量泛函；计算子模块，用于依据所述二元能量泛函计算所述水平集函数的非正区域相交面积；获取子模块，用于在所述水平集函数的非正区域相交面积小于第三预设数值时，依据所述二元能量泛函获取所述目标特征。

17、进一步地，所述装置还包括：发送单元，用于在依据所述目标特征确定所述客户待浏览的页面，将所述客户待浏览的页面作为对所述客户的需求的挖掘结果之后，将所述挖掘结果发送至目标对象，其中，通过所述目标对象依据所述挖掘结果生成针对所述客户的服务策略。

18、为了实现上述目的，根据本技术的一个方面，提供了一种处理器，处理器用于运行程序，其中，程序运行时执行上述任意一项所述客户需求的挖掘方法。

19、为了实现上述目的，根据本技术的一个方面，提供了一种电子设备，包括一个或多个处理器和存储器，存储器用于存储一个或多个程序，其中，当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器实现上述任意一项所述客户需求的挖掘方法。

20、通过本技术，采用以下步骤：对样本数据集中的样本数据进行密度估计，得到密度图，其中，所述样本数据集中包括客户浏览页面的图片数据，所述密度图表示二维平面中不同区域像素的密度分布情况；依据客户浏览策略确定所述密度图的概率密度函数，并依据所述概率密度函数确定数据特征，其中，所述数据特征是指所述客户待浏览的页面的图像特征；依据所述数据特征构建水平集函数，并依据所述水平集函数获取目标特征，其中，所述目标特征是指所述数据特征通过所述水平集函数进行处理得到的图像特征；依据所述目标特征确定所述客户待浏览的页面，将所述客户待浏览的页面作为对所述客户的需求的挖掘结果，解决了相关技术中通过收集数据和会议交流挖掘企业需求时，由于不同技术人员拥有不同发展方向，使得企业需求的挖掘方向不清晰，导致企业需求的挖掘结果不准确的问题。通过对样本数据进行密度估计得到密度图，根据密度图生成概率密度函数，然后不断地优化概率密度函数，得到客户下一步选择浏览的数据特征，能够根据整个图像中像素点的密集程度和集中程度计算不同像素点是客户下一步选择浏览的区域的概率，提高了预测客户下一步选择浏览的区域的准确性，同时在数据特征的基础上构建水平集函数，能够根据水平集函数对数据特征进行分割，得到了分割结果更准确的目标特征，达到了提高对客户下一步选择浏览的区域进行分割的准确率的效果，进一步达到了提高对客户需求的挖掘结果的准确度的效果。