数据挖掘方法以及数据挖掘装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN107391728A(43)申请公布日2017.11.24(21)申请号201710649156.6(22)申请日2017.08.02(71)申请人北京京东尚科信息技术有限公司地址100195北京市海淀区杏石口路65号西杉创意园四区11号楼东段1-4层西段1-4层申请人北京京东世纪贸易有限公司(72)发明人李俊涛(74)专利代理机构中国国际贸易促进委员会专利商标事务所11038代理人王莉莉(51)Int.Cl.G06F17/30(2006.01)G06Q10/02(2012.01)权利要求书3页说明书8页附图4页(54)发明名称数据挖掘方法以及数据挖掘装置(57)摘要本发明公开了一种数据挖掘方法以及数据挖掘装置，涉及大数据领域。本发明中首先基于成本属性对成本向量进行聚类，针对某种或某些成本属性的成本相近的成本向量被划分为一类，再根据聚类的结果和以及各个成本向量与零向量的距离选取部分成本向量进行重复聚类，采用迭代的聚类方式逐渐舍弃部分成本向量，保留距离代表成本最低的零向量的更接近的成本向量，并且使得保留的成本向量对于各种成本属性的成本均衡，从而最终筛选出最优方案。本发明的方法可以为用户选取各方面成本较为均衡并且总成本最低的出行方案，提升用户体验。CN107391728ACN107391728A权利要求书1/3页1.一种数据挖掘方法，其特征在于，包括：i)确定各个方案的成本向量，所述成本向量的各个维度分别代表对应的方案对于各种成本属性的成本信息；ii)基于成本属性对所有成本向量进行初始聚类；iii)根据聚类结果以及各个成本向量与零向量的距离选取部分成本向量作为进行聚类的成本向量；iv)基于成本属性对选取的成本向量进行聚类；v)重复步骤iii)至iv)，直至聚类结果为一类，从聚类结果中确定最优成本向量，将与所述最优成本向量对应的方案作为最优方案。2.根据权利要求1所述的方法，其特征在于，所述基于成本属性对所有成本向量进行聚类包括：针对一种成本属性选取对于该成本属性成本最低的成本向量作为该成本属性的最优成本向量；将各种成本属性的最优成本向量作为初始聚类中心，对所有成本向量进行初始聚类。3.根据权利要求1所述的方法，其特征在于，所述根据聚类结果以及各个成本向量与零向量的距离选取部分成本向量作为进行聚类的成本向量包括：从聚类结果的每一个聚类中选取距离零向量最近的成本向量作为进行聚类的成本向量。4.根据权利要求1所述的方法，其特征在于，所述基于成本属性对选取的成本向量进行聚类包括：从选取的成本向量中针对一种成本属性选取对于该成本属性成本最低的成本向量作为该成本属性的最优成本向量；按照预设规则从确定的各种成本属性的最优成本向量中不重复的选取数量等于上一次聚类中心数量的1/2的成本向量作为聚类中心，对选取的成本向量进行聚类。5.根据权利要求1所述的方法，其特征在于，对所述成本向量进行聚类时，只计算具有相同索引的成本向量之间的距离，其中，所述成本向量的索引是根据之前的聚类结果确定的。6.根据权利要求1所述的方法，其特征在于，对所述成本向量进行聚类时，对所述成本向量利用主成分分析法进行降维，根据降维后的成本向量之间的距离对成本向量进行聚类。7.根据权利要求2所述的方法，其特征在于，利用2-3查找树确定一种成本属性的最优成本向量。8.根据权利要求2所述的方法，其特征在于，还包括：将所述最优方案以及各种成本属性的最优成本向量对应的方案呈现给用户。9.根据权利要求1-8任一项所述的方法，其特征在于，所述方案为根据用户的出行需求信息获取的符合所述用户出行需求的各种交通工具的出行方案，所述出行需求信息包括出行时间、出发地、目的地。10.一种数据挖掘装置，其特征在于，包括：2CN107391728A权利要求书2/3页成本向量确定模块，用于确定各个方案的成本向量，所述成本向量的各个维度分别代表对应的方案对于各种成本属性的成本信息；初始聚类模块，用于基于成本属性对所有成本向量进行初始聚类；最优方案确定模块，用于：i)根据聚类结果以及各个成本向量与零向量的距离选取部分成本向量作为进行聚类的成本向量；ii)基于成本属性对选取的成本向量进行聚类；iii)重复步骤i)至ii)，直至聚类结果为一类，从聚类结果中确定最优成本向量，将与所述最优成本向量对应的方案作为最优方案。11.根据权利要求10所述的装置，其特征在于，所述初始聚类模块，用于针对一种成本属性选取对于该成本属性成本最低的成本向量作为该成本属性的最优成本向量，将各种成本属性的最优成本向量作为初始聚类中心，对所有成本向量进行初始聚类。12.根据权利要求10所述的装置，其特征在于，所述最优方案确定模块，用于从聚类结果的每一个聚类中选取距离零向