服务器、客户关系挖掘的方法及计算机可读存储介质技术

本发明专利技术涉及一种服务器、客户关系挖掘的方法及存储介质，服务器包括：存储器、处理器及存储在存储器上的系统，该系统被处理器执行时实现：定义负面标签，并设置客户之间有关联关系的多种类型的关联因子及其优先顺序；读取贷款申请数据，并提取各笔贷款申请中的负面标签字段，以及关联因子；从该第一客户的关联因子中读取优先顺序最高的关联因子，在贷款申请数据中查找与该关联因子相同的其他贷款申请，将查找到的贷款申请加入该客户团；按照剩余的关联因子的优先顺序，在贷款申请数据中查找与剩余的关联因子相同的贷款申请并将其加入该客户团；分析得到该客户团中贷款申请之间的关联信息。本发明专利技术可以客观、整体分析客户与其他客户的关联影响。

Method of server and customer relationship mining and computer readable storage medium

The invention relates to a method for mining a server, customer relationship and storage medium, the server includes a memory, processor and memory system in the memory, the system executed by the processor to achieve: the definition of negative label, and set the number of types of associated factors related to the relationship between the customer and the order of priority; read the application data, and extract the negative label field of each loan application, and the correlation factor; correlation factor to read the highest priority from the associated factor of the first customer, in the loan application data for other loans with the same correlation factor application, find the loan application to join the customer group; in accordance with the priorities associated the remaining factor, in the loan application data for the same factor associated with the remaining loan application and will join the guest An analysis of the related information between the loan applications in the client group. The invention can objectively and comprehensively analyze the relationship between customers and other customers.

【技术实现步骤摘要】
服务器、客户关系挖掘的方法及计算机可读存储介质
本专利技术涉及金融
，尤其涉及一种服务器、客户关系挖掘的方法及计算机可读存储介质。
技术介绍
目前，关于贷款客户的风险分析方案中，一般是通过设计风控规则，对客户进行层层校验，最终根据客户对于风控规则的匹配程度，得出不同的风控策略。这种方式停留在对单个客户的各项指标的校验，无法客观、整体分析客户与其他客户的关联影响。
技术实现思路
本专利技术的目的在于提供一种服务器、客户关系挖掘的方法及计算机可读存储介质，旨在客观、整体分析客户与其他客户的关联影响。为实现上述目的，本专利技术提供一种服务器，所述服务器包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的客户关系挖掘的系统，所述客户关系挖掘的系统被所述处理器执行时实现如下步骤：设置步骤：定义客户贷款的负面标签，并设置客户之间有关联关系的多种类型的关联因子以及多种类型的关联因子的优先顺序；提取步骤：从数据库中读取一预设时间范围内的贷款申请数据，从所述贷款申请数据中提取各笔贷款申请中的负面标签字段，以及一个或多个关联因子；建团初始步骤：读取所述贷款申请数据中的一笔贷款申请作为客户团的第一客户，从该第一客户的关联因子中读取优先顺序最高的关联因子，在所述贷款申请数据中查找与读取的关联因子相同的其他贷款申请，将查找到的贷款申请依次加入该客户团；建团扩展步骤：按照读取的该笔贷款申请的剩余的关联因子的优先顺序，在所述贷款申请数据中依次查找与剩余的关联因子相同的贷款申请，将查找到的贷款申请依次加入该客户团；客户团关系分析步骤：分析得到该客户团中贷款申请之间的关联信息，所述关联信息包括团中申请关系紧密度、团中人关系紧密度、申请时间密集度、团中负面标签申请占比及团中负面标签客户占比。优选地，所述关联因子的类型包括身份证类、电话类、设备类、GPS类及IP类，所述多种类型的关联因子的优先顺序为按照所述身份证类、电话类、设备类、GPS类及IP类的先后顺序。优选地，所述客户关系挖掘的系统被所述处理器执行时，还实现如下步骤：若有贷款申请中的关联因子与读取的该笔贷款申请中的关联因子均不相同，则独立成团，将独立成团的贷款申请按照所述建团初始步骤及建团扩展步骤进行扩建，直至将所述贷款申请数据划分为多个客户团。优选地，所述客户关系挖掘的系统被所述处理器执行时，还实现如下步骤：模型建立步骤：将客户团的每个贷款申请抽象为顶点、贷款申请之间的关联关系抽象为边，构建客户关系网模型；标签步骤：根据贷款申请中的负面标签字段为所述客户关系网模型的相应顶点打上负面标签；初始赋值步骤：为不同类型的关联因子赋予不同的因子权重，根据负面标签的种类为相应顶点的负面标签赋予相应的初始值；边权重计算步骤：根据客户关系网模型中每条边代表的关联因子计算每条边的权重；顶点得分计算步骤：选择一个有负面标签的顶点作为起点，根据起点的初始值及相邻边的权重计算得到相邻顶点的得分，直至计算完所述客户关系网模型中每个顶点的得分；及风险量化步骤：根据所述客户关系网模型中每个顶点的得分提示对应的客户申请贷款的风险系数，根据客户关系网模型中每个顶点的得分之和提示该客户团的风险系数。优选地，所述边权重计算步骤包括：分别从每条边连接的顶点所代表的客户之间关联的每种类型的因子中选取因子权重最大的值，并从选取出的因子权重中选取最大值作为该条边的权重；所述顶点得分计算步骤包括：获取客户关系网模型中负面标签初始值最高的一个或多个顶点作为起点，根据所述起点的初始值及相邻边的权重计算得到相邻顶点的得分；若相邻顶点的得分大于等于所述起点的初始值，则结束计算；若相邻顶点的得分小于所述起点的初始值，且相邻顶点的得分为一个，则以该相邻顶点的得分及下一相邻边的权重计算下一相邻顶点的得分；若相邻顶点的得分小于所述起点的初始值，且相邻顶点的得分为两个或两个以上，则获取该相邻顶点的得分中最大的得分，以该最大的得分及下一相邻边的权重计算下一相邻顶点的得分，直至计算完所述客户关系网模型中每个顶点的得分。为实现上述目的，本专利技术还提供一种客户关系挖掘的方法，所述客户关系挖掘的方法包括：设置步骤：定义客户贷款的负面标签，并设置客户之间有关联关系的多种类型的关联因子以及多种类型的关联因子的优先顺序；提取步骤：从数据库中读取一预设时间范围内的贷款申请数据，从所述贷款申请数据中提取各笔贷款申请中的负面标签字段，以及一个或多个关联因子；建团初始步骤：读取所述贷款申请数据中的一笔贷款申请作为客户团的第一客户，从该第一客户的关联因子中读取优先顺序最高的关联因子，在所述贷款申请数据中查找与读取的关联因子相同的其他贷款申请，将查找到的贷款申请依次加入该客户团；建团扩展步骤：按照读取的该笔贷款申请的剩余的关联因子的优先顺序，在所述贷款申请数据中依次查找与剩余的关联因子相同的贷款申请，将查找到的贷款申请依次加入该客户团；客户团关系分析步骤：分析得到该客户团中贷款申请之间的关联信息，所述关联信息包括团中申请关系紧密度、团中人关系紧密度、申请时间密集度、团中负面标签申请占比及团中负面标签客户占比。优选地，所述关联因子的类型包括身份证类、电话类、设备类、GPS类及IP类，所述多种类型的关联因子的优先顺序为按照所述身份证类、电话类、设备类、GPS类及IP类的先后顺序。优选地，所述建团扩展步骤之后还包括：若有贷款申请中的关联因子与读取的该笔贷款申请中的关联因子均不相同，则独立成团，将独立成团的贷款申请按照所述建团初始步骤及建团扩展步骤进行扩建，直至将所述贷款申请数据划分为多个客户团。优选地，还包括：模型建立步骤：将客户团的每个贷款申请抽象为顶点、贷款申请之间的关联关系抽象为边，构建客户关系网模型；标签步骤：根据贷款申请中的负面标签字段为所述客户关系网模型的相应顶点打上负面标签；初始赋值步骤：为不同类型的关联因子赋予不同的因子权重，根据负面标签的种类为相应顶点的负面标签赋予相应的初始值；边权重计算步骤：根据客户关系网模型中每条边代表的关联因子计算每条边的权重；顶点得分计算步骤：选择一个有负面标签的顶点作为起点，根据起点的初始值及相邻边的权重计算得到相邻顶点的得分，直至计算完所述客户关系网模型中每个顶点的得分；及风险量化步骤：根据所述客户关系网模型中每个顶点的得分提示对应的客户申请贷款的风险系数，根据客户关系网模型中每个顶点的得分之和提示该客户团的风险系数。本专利技术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上存储有客户关系挖掘的系统，所述客户关系挖掘的系统被处理器执行时实现上述的客户关系挖掘的方法的步骤。本专利技术的有益效果是：本专利技术从数据库读取一时间范围内的金融贷款申请数据，从每条贷款申请中提取预先设置的一个或多个关联因子；选取一笔贷款申请，按照该贷款申请的关联因子的优先顺序逐步从剩余贷款申请中匹配出与该贷款申请有关联关系的申请，以建立客户团；分析得到该客户团中贷款申请之间的关联信息，包括团中申请关系紧密度、团中人关系紧密度、申请时间密集度、团中负面标签申请占比、团中负面标签客户占比，通过这种方式，可以根据关联因子将金融机构接收到的大批量零散的贷款申请进行精确匹配、从多个维度挖掘客户间的关联，将批量的贷款申请根据关联关系划分为客户团表示客户间的关联，本文档来自技高网...

【技术保护点】
一种服务器，其特征在于，所述服务器包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的客户关系挖掘的系统，所述客户关系挖掘的系统被所述处理器执行时实现如下步骤：设置步骤：定义客户贷款的负面标签，并设置客户之间有关联关系的多种类型的关联因子以及多种类型的关联因子的优先顺序；提取步骤：从数据库中读取一预设时间范围内的贷款申请数据，从所述贷款申请数据中提取各笔贷款申请中的负面标签字段，以及一个或多个关联因子；建团初始步骤：读取所述贷款申请数据中的一笔贷款申请作为客户团的第一客户，从该第一客户的关联因子中读取优先顺序最高的关联因子，在所述贷款申请数据中查找与读取的关联因子相同的其他贷款申请，将查找到的贷款申请依次加入该客户团；建团扩展步骤：按照读取的该笔贷款申请的剩余的关联因子的优先顺序，在所述贷款申请数据中依次查找与剩余的关联因子相同的贷款申请，将查找到的贷款申请依次加入该客户团；客户团关系分析步骤：分析得到该客户团中贷款申请之间的关联信息，所述关联信息包括团中申请关系紧密度、团中人关系紧密度、申请时间密集度、团中负面标签申请占比及团中负面标签客户占比。

【技术特征摘要】
1.一种服务器，其特征在于，所述服务器包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的客户关系挖掘的系统，所述客户关系挖掘的系统被所述处理器执行时实现如下步骤：设置步骤：定义客户贷款的负面标签，并设置客户之间有关联关系的多种类型的关联因子以及多种类型的关联因子的优先顺序；提取步骤：从数据库中读取一预设时间范围内的贷款申请数据，从所述贷款申请数据中提取各笔贷款申请中的负面标签字段，以及一个或多个关联因子；建团初始步骤：读取所述贷款申请数据中的一笔贷款申请作为客户团的第一客户，从该第一客户的关联因子中读取优先顺序最高的关联因子，在所述贷款申请数据中查找与读取的关联因子相同的其他贷款申请，将查找到的贷款申请依次加入该客户团；建团扩展步骤：按照读取的该笔贷款申请的剩余的关联因子的优先顺序，在所述贷款申请数据中依次查找与剩余的关联因子相同的贷款申请，将查找到的贷款申请依次加入该客户团；客户团关系分析步骤：分析得到该客户团中贷款申请之间的关联信息，所述关联信息包括团中申请关系紧密度、团中人关系紧密度、申请时间密集度、团中负面标签申请占比及团中负面标签客户占比。2.根据权利要求1所述的服务器，其特征在于，所述关联因子的类型包括身份证类、电话类、设备类、GPS类及IP类，所述多种类型的关联因子的优先顺序为按照所述身份证类、电话类、设备类、GPS类及IP类的先后顺序。3.根据权利要求1所述的服务器，其特征在于，所述客户关系挖掘的系统被所述处理器执行时，还实现如下步骤：若有贷款申请中的关联因子与读取的该笔贷款申请中的关联因子均不相同，则独立成团，将独立成团的贷款申请按照所述建团初始步骤及建团扩展步骤进行扩建，直至将所述贷款申请数据划分为多个客户团。4.根据权利要求1至3任一项所述的服务器，其特征在于，所述客户关系挖掘的系统被所述处理器执行时，还实现如下步骤：模型建立步骤：将客户团的每个贷款申请抽象为顶点、贷款申请之间的关联关系抽象为边，构建客户关系网模型；标签步骤：根据贷款申请中的负面标签字段为所述客户关系网模型的相应顶点打上负面标签；初始赋值步骤：为不同类型的关联因子赋予不同的因子权重，根据负面标签的种类为相应顶点的负面标签赋予相应的初始值；边权重计算步骤：根据客户关系网模型中每条边代表的关联因子计算每条边的权重；顶点得分计算步骤：选择一个有负面标签的顶点作为起点，根据起点的初始值及相邻边的权重计算得到相邻顶点的得分，直至计算完所述客户关系网模型中每个顶点的得分；及风险量化步骤：根据所述客户关系网模型中每个顶点的得分提示对应的客户申请贷款的风险系数，根据客户关系网模型中每个顶点的得分之和提示该客户团的风险系数。5.根据权利要求4所述的服务器，其特征在于，所述边权重计算步骤包括：分别从每条边连接的顶点所代表的客户之间关联的每种类型的因子中选取因子权重最大的值，并从选取出的因子权重中选取最大值作为该条边的权重；所述顶点得分计算步骤包括：获取客户关系网模型中负面标签初始值最高的一个或多个顶点作为起点，根据所述起点的初始值及相邻边的权重计算得到相邻顶点的得分；若相邻顶点的得分大于等于所述起点的初始...

【专利技术属性】
技术研发人员：任钢林，杨钊，
申请(专利权)人：平安普惠企业管理有限公司，
类型：发明
国别省市：广东,44