[发明专利]基于客户信息补全的XGBoost金融产品推荐方法

说明书

本发明公开一种推荐结果准确性高的基于客户信息补全的XGBoost金融产品推荐方法，包括如下步骤：(10)模型指标体系建立：根据企业与银行的业务往来数据，建立推荐模型指标体系；(20)样本集构建：根据模型指标体系，收集客户信息，构建推荐模型训练样本集与测试样本集；(30)客户信息补全：基于奇异值阈值法的低秩矩阵补全方法，对缺失信息进行估计，补全客户信息；(40)推荐模型获取：利用推荐模型训练样本集对XGBoost模型进行训练，利用推荐模型测试样本集对训练后的XGBoost模型进行测试，得到推荐模型；(50)金融产品推荐：根据目标客户的信息，利用推荐模型，推荐金融产品。

技术领域

本发明属于银行金融产品推荐技术领域，特别是一种推荐结果准确性高的基于客户信息补全的XGBoost金融产品推荐方法。

背景技术

在为客户提供个性化服务的经营理念下，商业银行推出了种类丰富的金融服务产品。但是数量众多的产品以及不断推陈出新的服务，使客户难以及时了解并做出合理选择。此外，没有选择性地推荐金融产品，不但会造成客户选择困难，也会造成资源的浪费。如何能根据客户的特点有针对性地推荐与客户需求吻合度高的产品，是银行提高服务效率和客户满意度的有效手段。

银行客户对象可以分为个人客户与企业(机构)客户两大类。其中面向个人客户的银行产品推荐模型研究较为充分，并取得了较充分的发展。为了预测个人客户的需求和购买意向，在对其历史购买行为精准分析的基础上，银行根据自身的理财产品和自身服务的优势对客户的购买行为进行设计推荐。当前大数据、云计算技术发展迅速，利用相关技术去跟踪、捕捉客户行为特征，通过不断整合各类资源来匹配客户的运营活动，对个人客户的下一步购买行为进行精准预测，进而向客户推荐合适的银行相关产品。

与个人客户的服务需求不同，企业客户由于行业、规模、发展的阶段不同，不同种类的企业在选择金融产品时会存在巨大的差异，同时企业客户的客户行为、财务数据更为复杂，而银行掌握的数据往往不完整，这些都给银行产品推荐带来极大的困难与挑战。以客户的行为模式为基础建立金融产品推荐系统，是银行实现对客户的金融产品推荐的主要方法，如采用协同过滤推荐建模方法。但这类模型以客户行为的长期历史数据为基础才可能建立较为精确的推荐模型，对于新开户、快速成长、业务转型等企业，历史行为数据不足或参考价值显著降低，这时利用基于行为数据的模型难以获得满意的推荐结果。

银行服务对象中的企业客户与个人客户相比，涉及客户信息种类与项目更复杂，由于企业行业特征差异、发展阶段不同、财务管理要求各异，银行收集到的企业数据信息缺失更为普遍，这是银行建立产品推荐模型所面临的重要难题。以往的工作中，对于信息缺失的样本采取的处理方式主要有二种，一种是将该样本删除，二是将信息缺失项置零或用其他样本的均值替代。这样的处理方式要么破坏了数据集的多样性，要么破坏了样本信息的完整性，毫无疑问都将对推荐模型的建立和推荐结果产生不利的影响。

目前，中国发明专利申请“一种基于Xgboost和DBSCAN的精准营销方法”，(申请号202010277261.3，公开日2020.10.16)公开了一种基于XGBoost产品推荐方法，包括以下步骤：步骤1.对数据源中的银行数据进行人工标注，以此获得类别信息；步骤2.将银行数据及其标注信息整合，作为完整的数据集；步骤3.针对数据集进行探索性分析；步骤4.针对数据集进行数据预处理，划分数据集，得到训练集、测试集；步骤5.将数据输入到已经构建好的模型中进行训练，得到精准营销模型；步骤6.将待检测的银行数据输入到精准营销模型进行检测，得到客户分类结果；步骤7.进行效果验证，输出检测结果。

上述方法由于未对缺失信息进行合理估计，导致在信息缺失的情况下获得的产品推荐结果准确性不高。

发明内容

本发明的目的在于提供一种基于客户信息补全的XGBoost金融产品推荐方法，推荐结果准确性高。

实现本发明目的的技术解决方案为：

一种基于客户信息补全的XGBoost金融产品推荐方法，其特征在于，包括如下步骤：