一种基于深度学习的对公客户收入下降预测方法及装置制造方法及图纸

本发明专利技术实施例公开了一种基于深度学习的对公客户收入下降的预测方法和装置，包括：获取对公客户的账户的原始数据；依据原始数据，生成对公客户的特征集合；对对公客户的指标变量进行预处理；将对公客户的特征集合中各个特征输入到预设的对公客户收入下降预测模型中，得到对公客户收入下降的概率值；预设的对公客户收入下降预测模型是通过对抽样客户的特征集合和抽样客户收入下降的标识信息进行训练后得到的。这样，实现了对客户未来一段时间的收入水平的下降概率的预测，便于银行作出具有针对性的预警措施以及精准营销策略。

【技术实现步骤摘要】
一种基于深度学习的对公客户收入下降预测方法及装置
本专利技术涉及机器学习领域，尤其涉及一种基于深度学习的对公客户收入下降预测方法及装置。
技术介绍
银行业务中，存款、贷款和中间业务是银行的主要业务，也是银行的主要收入来源。随着外部市场的压力增大，银行面临着诸如：如何提高收入、强化风险管理、优化资源配置等问题。为了解决以上的这些问题，很多专家都提出了精准营销的概念，精准营销可以实现对客户的精准定位，进而提高了业务成功的几率，从而达到优化资源配置、提高银行收入的目的。但是，若实现精准营销需要对客户进行预测，其中，针对于对公客户，客户的收入会对银行收入产生一定的影响，若是可以预测客户的收入水平是否具有下降的风险，银行可以提早做出具有针对性的预警措施。
技术实现思路
有鉴于此，本专利技术实施例公开了一种基于深度学习的对公客户收入下降的预测方法及装置，实现了对客户的收入水平的下降风险的预测，便于银行作出具有针对性的预警措施。本专利技术公开了一种基于深度学习的对公客户收入下降的预测方法，包括：获取对公客户的账户的原始数据；依据所述原始数据，生成所述对公客户的特征集合；对所述对公客户的特征集合进行预处理；将所述对公客户的特征集合中的各个特征输入到预设的对公客户收入下降预测模型中，得到所述对公客户收入下降的概率值；所述预设的对公客户收入下降预测模型是通过对抽样客户的特征集合和抽样客户收入下降的标识信息进行训练后得到的。可选的，所述对公客户的账户的原始数据，包括：客户的基本信息数据、客户交易流水数据、客户持有产品数据、客户资产余额数据和收入数据。可选的，所述对公客户的特征集合包括：客户属性类指标、客户关系类指标、持有产品类指标、客户交易类指标、资产余额类指标、客户收入类指标。可选的，所述资产交易类指标、资产余额类指标和客户收入类指标包括：趋势类指标。可选的，所述对公客户收入下降预测模型的训练过程包括：获取抽样客户的原始数据；所述抽样客户为对公客户；依据所述抽样客户的账户的原始数据，生成所述抽样客户的特征集；对所述抽样客户的特征集进行预处理；依据所述抽样客户的收入情况，对抽样客户的收入下降情况进行标识；依据预处理后的抽样客户的特征集和所述抽样客户的收入下降情况的标识信息，对预设的神经网络模型进行训练。可选的，所述依据所述抽样客户的收入情况，对抽样客户的收入下降情况进行标识，包括：获取数据观察期内的所述抽样客户的收入数据以及数据表现期内的抽样客户的收入数据；计算所述抽样客户在数据观察期内的收入均值以及在表现期内收入均值；判断所述抽样客户在数据观察期内的收入均值是否大于表现期内的收入均值的预设比例值；若抽样客户在数据观察期内的收入均值大于表现期内的收入均值的预设比例值，则抽样客户表示为收入下降的客户，并采用第一标识进行标记；若抽样客户在数据观察期内的收入均值不大于表现期内的收入均值的预设比例值，则抽样客户表示为收入未下降的客户，并采用第二标识进行标记。可选的，所述预设的神经网络模型采用ReLU作为隐含层激活函数；和/或采用softmax函数作为输出层激活函数。本专利技术实施例还公开了一种基于深度学习的对公客户收入下降的预测装置，包括：第一原始获取单元，用于获取对公客户的账户的原始数据；第一指标数据生成单元，用于依据所述原始数据，生成所述对公客户的特征集合；第一预处理单元，用于对所述对公客户的特征集合进行预处理；预测单元，用于将所述对公客户的特征集合中的各个特征输入到预设的对公客户收入下降预测模型中，得到所述对公客户收入下降的概率值；所述预设的对公客户收入下降预测模型是通过对抽样客户的特征集合和抽样客户收入下降的标识信息进行训练后得到的。可选的，还包括：第二原始获取单元，用于获取抽样客户的原始数据；所述抽样客户为对公客户；第二指标数据生成单元，用于依据所述抽样客户的账户的原始数据，生成所述抽样客户的特征集合；第二预处理单元，用于对所述抽样客户的特征集合进行预处理；标识单元，用于依据所述抽样客户的收入情况，对抽样客户的收入下降情况进行标识；预测模型训练单元，用于依据预处理后的抽样客户的特征集合和所述抽样客户的收入下降情况的标识信息，对预设的神经网络模型进行训练。可选的，所述标识单元，包括：获取子单元，用于获取数据观察期内的所述抽样客户的收入数据以及数据表现期内的抽样客户的收入数据；计算子单元，用于计算所述抽样客户在数据观察期内的收入均值以及在表现期内收入均值；判断子单元，用于判断所述抽样客户在数据观察期内的收入均值是否大于表现期内的收入均值的预设比例值；第一标识子单元，用于若抽样客户在数据观察期内的收入均值大于表现期内的收入均值的预设比例值，则抽样客户表示为收入下降的客户，并采用第一标识进行标记；第二标识子单元，用于若抽样客户在数据观察期内的收入均值不大于表现期内的收入均值的预设比例值，则抽样客户表示为收入未下降的客户，并采用第二标识进行标记。本专利技术实施例公开了一种基于深度学习的对公客户收入下降的预测方法和装置，包括：获取对公客户的账户的原始数据；依据原始数据，生成对公客户的特征集合；对对公客户的指标变量进行预处理；将对公客户的特征集合中各个特征输入到预设的对公客户收入下降预测模型中，得到对公客户收入下降的概率值；预设的对公客户收入下降预测模型是通过对抽样客户的特征集合和抽样客户收入下降的标识信息进行训练后得到的。这样，实现了对客户未来一段时间的收入水平的下降概率的预测，便于银行作出具有针对性的预警措施以及精准营销策略。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。图1示出了本专利技术实施例提供的一种基于深度学习的对公客户的收入下降的预测方法的流程示意图；图2示出了本专利技术实施例提供的一种对公客户收入下降预测模型的训练方法的流程示意图；图3示出了本专利技术实施例提供的一种基于深度学习的对公客户收入下降预测装置的结构示意图；图4示出了本专利技术实施例提供的一种对公客户收入下降预测模型的训练装置的结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。参考图1，示出了本专利技术实施例提供的一种基于深度学习的对公客户的收入下降的预测方法的流程示意图，在本实施例中，该方法包括：S101:获取对公客户的账户的原始数据；本实施例中，对公客户表示为公司客户，也就是说与银行存在业务关系的法人客户为公司。需要知道的是，对公客户的账户中包含大量的信息，申请人经研究发现，确定了一些对客户收入的下降情况的预测会产生影响的信息，具体的，包括：客户的基本信息数据、客户交易流水数据、客户持有产品数据、客户资产余额和收入数据等。其中，客户的基本信息数据可以包括：客户的开户时间、企业规模、企业注册地区等。客户交易流水数据包括：客户在一定的时间段内交易本文档来自技高网...

【技术保护点】
1.一种基于深度学习的对公客户收入下降的预测方法，其特征在于，包括：获取对公客户的账户的原始数据；依据所述原始数据，生成所述对公客户的特征集合；对所述对公客户的特征集合进行预处理；将所述对公客户的特征集合中的各个特征输入到预设的对公客户收入下降预测模型中，得到所述对公客户收入下降的概率值；所述预设的对公客户收入下降预测模型是通过对抽样客户的特征集合和抽样客户收入下降的标识信息进行训练后得到的。

【技术特征摘要】
1.一种基于深度学习的对公客户收入下降的预测方法，其特征在于，包括：获取对公客户的账户的原始数据；依据所述原始数据，生成所述对公客户的特征集合；对所述对公客户的特征集合进行预处理；将所述对公客户的特征集合中的各个特征输入到预设的对公客户收入下降预测模型中，得到所述对公客户收入下降的概率值；所述预设的对公客户收入下降预测模型是通过对抽样客户的特征集合和抽样客户收入下降的标识信息进行训练后得到的。2.根据权利要求1所述的方法，其特征在于，所述对公客户的账户的原始数据，包括：客户的基本信息数据、客户交易流水数据、客户持有产品数据、客户资产余额数据和收入数据。3.根据权利要求1所述的方法，其特征在于，所述对公客户的特征集合包括：客户属性类指标、客户关系类指标、持有产品类指标、客户交易类指标、资产余额类指标、客户收入类指标。4.根据权利要求3所述的方法，其特征在于，所述资产交易类指标、资产余额类指标和客户收入类指标包括：趋势类指标。5.根据权利要求1所述的方法，其特征在于，所述对公客户收入下降预测模型的训练过程包括：获取抽样客户的原始数据；所述抽样客户为对公客户；依据所述抽样客户的账户的原始数据，生成所述抽样客户的特征集；对所述抽样客户的特征集进行预处理；依据所述抽样客户的收入情况，对抽样客户的收入下降情况进行标识；依据预处理后的抽样客户的特征集和所述抽样客户的收入下降情况的标识信息，对预设的神经网络模型进行训练。6.根据权利要求5所述的方法，其特征在于，所述依据所述抽样客户的收入情况，对抽样客户的收入下降情况进行标识，包括：获取数据观察期内的所述抽样客户的收入数据以及数据表现期内的抽样客户的收入数据；计算所述抽样客户在数据观察期内的收入均值以及在表现期内收入均值；判断所述抽样客户在数据观察期内的收入均值是否大于表现期内的收入均值的预设比例值；若抽样客户在数据观察期内的收入均值大于表现期内的收入均值的预设比例值，则抽样客户表示为收入下降的客户，并采用第一标识进行标记；若抽样客户在数据观察期内的收入均值不大于表现期内的收入均值的预设比例值，则抽样客...

【专利技术属性】
技术研发人员：姜泮昌，赵钊，周倩，康梦晓，刘志浩，
申请(专利权)人：中国农业银行股份有限公司，
类型：发明
国别省市：北京,11