[发明专利]银行客户分类方法及装置

说明书

本发明公开了一种银行客户分类方法及装置，涉及大数据技术领域，该方法包括：收集不同银行客户的相关信息；所述相关信息包括客户身份信息和历史交易信息；针对每一银行客户，对该客户的相关信息进行预处理；所述预处理包括分词处理、停用词过滤处理和关键词抽取处理，得到对应该银行客户的多个词组；对不同银行客户的多个词组进行文本向量化处理，得到对应不同银行客户的多个词组文本向量；基于邻近传播聚类算法，对不同银行客户的多个词组文本向量，进行数据聚类分析，得到多个银行客户簇集；对多个银行客户簇集进行合并聚类分析，得到银行客户分类结果。本发明可提升银行客户分类的准确度。

技术领域

本发明涉及大数据技术领域，尤其涉及银行客户分类方法及装置。

背景技术

本部分旨在为权利要求书中陈述的本发明实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

在银行系统中，一般需对银行客户(如个体用户和商户)按照不同的特征进行细分，从而能够更好的对每一个类别的客户提供针对性的服务。现阶段，一般采用聚类算法来满足这一需求，目前已经在文本聚类中有相关应用的聚类算法，如k-means聚类算法，DBSCAN聚类算法。

上述聚类算法虽然已经得到了广泛的应用，但是也存在着一些问题，如受聚类算法本身特性的影响，使得聚类结果仅对异常值敏感、需要初始设定簇的个数等。最终的聚类分析结果因受到聚类簇数以及词向量维度的影响，在客户细分的这个环境下并不能很好的达到理想的效果，导致现阶段的客户分类结果并不准确。

发明内容

本发明实施例提供一种银行客户分类方法，用以提升银行客户分类的准确度，该方法包括：

收集不同银行客户的相关信息；所述相关信息包括客户身份信息和历史交易信息；

针对每一银行客户，对该客户的相关信息进行预处理；所述预处理包括分词处理、停用词过滤处理和关键词抽取处理，得到对应该银行客户的多个词组；

对不同银行客户的多个词组进行文本向量化处理，得到对应不同银行客户的多个词组文本向量；

基于邻近传播聚类算法，对不同银行客户的多个词组文本向量，进行数据聚类分析，得到多个银行客户簇集；

对多个银行客户簇集进行合并聚类分析，得到银行客户分类结果。

本发明实施例还提供一种银行客户分类装置，用以提升银行客户分类的准确度，该装置包括：

信息收集模块，用于收集不同银行客户的相关信息；所述相关信息包括客户身份信息和历史交易信息；

预处理模块，用于针对每一银行客户，对该客户的相关信息进行预处理；所述预处理包括分词处理、停用词过滤处理和关键词抽取处理，得到对应该银行客户的多个词组；

文本向量化处理模块，用于对不同银行客户的多个词组进行文本向量化处理，得到对应不同银行客户的多个词组文本向量；

数据聚类分析模块，用于基于邻近传播聚类算法，对不同银行客户的多个词组文本向量，进行数据聚类分析，得到多个银行客户簇集；

合并聚类分析模块，用于对多个银行客户簇集进行合并聚类分析，得到银行客户分类结果。

本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述银行客户分类方法。

本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述银行客户分类方法的计算机程序。