[發明專利]一種客戶分類方法及裝置

在審

• 申請號: 202211226436.3
• 申請日: 2022-10-09
• 公開（公告）號: CN115640397A
• 公開（公告）日: 2023-01-24
• 發明（設計）人: 王俊斌;曹世偉;安凱圣
• 申請（專利權）人: 中國工商銀行股份有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06Q40/06;G06Q30/0251
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 周永君;任默聞

本發明提供一種客戶分類方法及裝置，可用于大數據技術領域。所述方法包括：獲取先驗客戶的成對約束集合以及必連約束子集中各個客戶的屬性信息；對必連約束子集中各個客戶的屬性信息進行預處理，獲得每個客戶的屬性特征數據；根據必連約束子集中的各個必連客戶對、勿連約束子集中的各個勿連客戶對以及必連約束子集中每個客戶的屬性特征數據，對必連約束子集進行擴充獲得擴充必連約束子集并對勿連約束子集進行擴充獲得擴充勿連約束子集；根據擴充必連約束子集、擴充勿連約束子集以及待分類客戶的屬性特征數據聚類獲得客戶的分類結果。所述裝置用于執行上述方法。本發明實施例提供的客戶分類方法及裝置，提高了客戶分類的準確性。

技術領域

本發明涉及大數據技術領域，具體涉及一種客戶分類方法及裝置。

背景技術

半監督聚類是通過利用預先給定的少量關于類結構的先驗信息來指導聚類過程，目的是使聚類結果能夠足預期。

目前，有大量的半監督聚類算法被提出，有一些方法已經成功應用于不同的應用領域。比如，對于銀行，可以通過聚類算法對客戶進行分類，以便于向不同類型的客戶推薦適合的理財產品。銀行推出很多不同的理財產品，理財產的投資標的、投資周期、投資額度、預期收益率、風險等級等屬性各不相同。客戶的自身的投資金額、風險承受能力、投資偏好、收益預期等屬性也各不相同。可以通過半監督聚類算法對客戶進行分類，為相同類型的客戶推薦相同類型的理財產品，然而在實際應用中，存在由于客戶相似和不相似的成對約束信息較少，導致客戶聚類的結果不夠準確，影響理財產品的推薦效果。

發明內容

針對現有技術中的問題，本發明實施例提供一種客戶分類方法及裝置，能夠至少部分地解決現有技術中存在的問題。

第一方面，本發明提出一種客戶分類方法，包括：

獲取先驗客戶的成對約束集合以及必連約束子集中各個客戶的屬性信息；其中，所述成對約束集合包括所述必連約束子集和勿連約束子集；所述必連約束子集包括第一預設數量的必連客戶對，所述勿連約束子集包括第二預設數量的勿連客戶對；

對所述必連約束子集中各個客戶的屬性信息進行預處理，獲得所述成對約束集合中每個客戶的屬性特征數據；

根據所述必連約束子集中的各個必連客戶對、所述勿連約束子集中的各個勿連客戶對以及所述必連約束子集中每個客戶的屬性特征數據，對所述必連約束子集進行擴充獲得擴充必連約束子集并對所述勿連約束子集進行擴充獲得擴充勿連約束子集；

根據所述擴充必連約束子集、所述擴充勿連約束子集以及待分類客戶的屬性特征數據通過基于成對約束半監督聚類算法進行客戶聚類，獲得客戶的分類結果。

第二方面，本發明提供一種客戶分類裝置，包括：

獲取模塊，用于獲取先驗客戶的成對約束集合以及必連約束子集中各個客戶的屬性信息；其中，所述成對約束集合包括所述必連約束子集和勿連約束子集；所述必連約束子集包括第一預設數量的必連客戶對，所述勿連約束子集包括第二預設數量的勿連客戶對；

預處理模塊，用于對所述必連約束子集中各個客戶的屬性信息進行預處理，獲得所述成對約束集合中每個客戶的屬性特征數據；

擴充模塊，用于根據所述必連約束子集中的各個必連客戶對、所述勿連約束子集中的各個勿連客戶對以及所述必連約束子集中每個客戶的屬性特征數據，對所述必連約束子集進行擴充獲得擴充必連約束子集并對所述勿連約束子集進行擴充獲得擴充勿連約束子集；

聚類模塊，用于根據所述擴充必連約束子集、所述擴充勿連約束子集以及待分類客戶的屬性特征數據通過基于成對約束半監督聚類算法進行客戶聚類，獲得客戶的分類結果。

第三方面，本發明提供一種計算機設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執行所述程序時實現上述任一實施例所述客戶分類方法。