本文整理了10個天池、DataCastle、DataFountain等中出現的，可使用聚類演算法處理的問題場景例項。

1 基於使用者位置資訊的商業選址

        隨著資訊科技的快速發展，移動裝置和移動網際網路已經普及到千家萬戶。在使用者使用行動網路時，會自然的留下使用者的位置資訊。隨著近年來GIS地理資訊科技的不斷完善普及，結合使用者位置和GIS地理資訊將帶來創新應用。如百度與萬達進行合作，通過定位使用者的位置，結合萬達的商戶資訊，向用戶推送位置營銷服務，提升商戶效益。

        希望通過大量移動裝置使用者的位置資訊，為某連鎖餐飲機構提供新店選址。

2 中文地址標準化處理

        地址是一個涵蓋豐富資訊的變數，但長期以來由於中文處理的複雜性、國內中文地址命名的不規範性，使地址中蘊含的豐富資訊不能被深度分析挖掘。通過對地址進行標準化的處理，使基於地址的多維度量化挖掘分析成為可能，為不同場景模式下的電子商務應用挖掘提供了更加豐富的方法和手段，因此具有重要的現實意義。

3 國家電網使用者畫像

        隨著電力體制改革向縱深推進，售電側逐步向社會資本放開，當下的粗放式經營和統一式客戶服務內容及模式，難以應對日益增長的個性化、精準化客戶服務體驗要求。如何充分利用現有資料資源，深入挖掘客戶潛在需求，改善供電服務質量，增強客戶黏性，對公司未來發展至關重要。

        對電力服務具有較強敏感度的客戶對於電費計量、供電質量、電力營銷等各方面服務的質量及方式上往往具備更高的要求，成為各級電力公司關注的重點客戶。經過多年的發展與沉澱，目前國家電網積累了全網4億多客戶檔案資料和海量供電服務資訊，以及公司營銷、電網生產等資料，可以有效的支撐海量電力資料分析。

        因此，國家電網公司希望通過大資料分析技術，科學的開展電力敏感客戶分析，以準確地識別敏感客戶，並量化敏感程度，進而支撐有針對性的精細化客戶服務策略，控制電力服務人工成本、提升企業公眾形象。

4 非人惡意流量識別

        2016年第一季度Facebook發文稱，其Atlas DSP平臺半年的流量質量測試結果顯示，由機器人模擬和黑IP等手段導致的非人惡意流量高達75% . 僅2016上半年，AdMaster反作弊解決方案認定平均每天能有高達 28% 的作弊流量。低質量虛假流量的問題一直存在，這也是過去十年間數字營銷行業一直在博弈的問題。基於AdMaster海量監測資料，50%以上的專案均存在作弊嫌疑；不同專案中，作弊流量佔廣告投放5%到95%不等；其中垂直類和網盟類媒體的作弊流量佔比最高；PC端作弊流量比例顯著高於移動端和智慧電視平臺。廣告監測行為資料被越來越多地用於建模和做決策，例如繪製使用者畫像，跨裝置識別對應使用者等。作弊行為，惡意曝光，網路爬蟲，誤導點選，甚至是在使用者完全無感知的情況下被控制訪問等產生的不由使用者主觀發出的行為給資料帶來了巨大的噪聲，給模型訓練造成了很大影響。

        希望基於給定的資料，建立一個模型來識別和標記作弊流量，去除資料的噪聲，從而更好的使用資料，使得廣告主的利益最大化。

5 求職資訊完善

        有大約10萬分優質簡歷，其中部分簡歷包含完整的欄位，部分簡歷在學歷、公司規模、薪水、職位名稱等欄位有些置空項。希望對資料進行學習、編碼與測試，挖掘出職位路徑的走向與規律，形成演算法模型，再對資料中置空的資訊進行預測。

6 搜尋引擎查詢聚類以進行流量推薦

        在搜尋引擎中， 很多網民的查詢意圖的比較類似的，對這些查詢進行聚類，一方面可以使用類內部的詞進行關鍵詞推薦；另一方面， 如果聚類過程實現自動化，則也有助於新話題的發現；同時還有助於減少儲存空間等。

7 生物種群固有結構認知

        對動植物分類和對基因進行分類，獲取對種群固有結構的認識。

8 保險投保者分組

        通過一個高的平均消費來鑑定汽車保險單持有者的分組，同時根據住宅型別，價值，地理位置來鑑定一個城市的房產分組。

9 網站關鍵詞來源聚類整和

        以領域特徵明顯的詞和短語作為聚類物件，在分類系統的大規模層級分類語料庫中，利用文字分類的特徵提取演算法進行詞語的領域聚類，通過控制詞語頻率的影響，分別獲取領域通用詞和領域專類詞。

10 影象分割

        影象分割廣泛應用於醫學、交通、軍事等領域。影象分割就是把影象分成若干個特定的、具有獨特性質的區域並提出感興趣目標的技術和過程。它是由影象處理到影象分析的關鍵步驟。聚類演算法先將影象空間中的畫素用對應的特徵空間點表示，根據它們在特徵空間的聚集對特徵空間進行分割，然後將它們映射回原影象空間，得到分割結果。