基于知识图谱的高净值客户群识别方法、装置及存储介质制造方法及图纸

基于知识图谱的高净值客户群识别方法、装置及存储介质，包括：构建客户知识图谱模型，知识图谱模型包含多个节点和节点关系，节点分为客户节点和非客户节点；将MySQL结构化数据库中的客户数据导入Neo4j图形数据库中；以广度优先的方式遍历初始客户节点的邻居客户节点，计算客户间社会关系强度；将初始客户节点的社会关系强度较高的客户节点，依次遍历得到每个社会关系强度较高的客户节点对应的集合；将所有客户节点的集合合并，得到图形中的高净值客户群。本发明专利技术提供的一种基于知识图谱的高净值客户群识别方法、装置及存储介质，根据客户签约类有关信息建立知识图谱，计算客户间的社会关系强度，以此确定高净值客户群。

High net worth customer group identification method, device and storage medium based on Knowledge Map

【技术实现步骤摘要】
基于知识图谱的高净值客户群识别方法、装置及存储介质
本专利技术涉及数据处理
，具体涉及一种基于知识图谱的高净值客户群识别方法、装置及存储介质。
技术介绍
高净值客户，这里定义为复购人群，对于地产公司的生存、持续经营、市场增长以及保持已有客户都起到至关重要的作用。有研究表明公司只需维持5％的老顾客就能创造100％的利润，复购的次数越多对品牌的认可度更高，复购的可能性也会更高。准确的判定高净值客户对后续的这类客户群的精准营销起到关键性作用。由于数据统计单一化(单一的客户标识码)和地区性限购(借用他人身份证购房)问题，只能通过客户信息关联查询，在关系型数据库中难以实现多个字段的关联关系的统计，并且在关系复杂的查询中性能低下，对于这种高净值客户群识别的难度较高。
技术实现思路
本专利技术提供了一种基于知识图谱的高净值客户群识别方法、装置及存储介质，根据客户签约类有关信息建立知识图谱，计算客户间的社会关系强度，以此确定高净值客户群。本专利技术采用如下技术方案：基于知识图谱的高净值客户群识别方法，包括：...

【技术保护点】
1.基于知识图谱的高净值客户群识别方法，其特征在于，包括：/n构建客户知识图谱模型，所述知识图谱模型包含多个节点和节点关系，所述每个节点具有唯一的名字，所述节点分为客户节点和非客户节点，所述客户节点和非客户节点间存在边，所述边为节点关系；/n将MySQL结构化数据库中的客户数据导入Neo4j图形数据库中；/n在一个图形中随机确定一个客户节点为初始客户节点，以广度优先的方式遍历初始客户节点的邻居客户节点，计算客户间社会关系强度；/n若客户与初始客户社会关系强度的计算结果在0.5以上，判定社会关系强度较强并视为一个群体，若客户与初始客户社会关系强度的计算结果在0.5以下，判定社会关系强度较低并排除...

【技术特征摘要】
1.基于知识图谱的高净值客户群识别方法，其特征在于，包括：
构建客户知识图谱模型，所述知识图谱模型包含多个节点和节点关系，所述每个节点具有唯一的名字，所述节点分为客户节点和非客户节点，所述客户节点和非客户节点间存在边，所述边为节点关系；
将MySQL结构化数据库中的客户数据导入Neo4j图形数据库中；
在一个图形中随机确定一个客户节点为初始客户节点，以广度优先的方式遍历初始客户节点的邻居客户节点，计算客户间社会关系强度；
若客户与初始客户社会关系强度的计算结果在0.5以上，判定社会关系强度较强并视为一个群体，若客户与初始客户社会关系强度的计算结果在0.5以下，判定社会关系强度较低并排除当前节点群体；
在加入客户节点后，判断加入客户节点后合同数量是否增加，计算客户间社会关系强度是否在0.5以上，若是，则将加入的客户节点加入到该节点对应的集合；
将初始客户节点的社会关系强度较高的客户节点，依次遍历得到每个客户间社会关系强度较高的客户节点对应的集合；
将所有客户节点的集合合并，得到图形中的高净值客户群。


2.根据权利要求1所述的基于知识图谱的高净值客户群识别方法，其特征在于，所述客户节点为客户的身份标识信息，所述非客户节点为手机号、银行卡、合同、家庭地址中的一种，所述合同的节点关系包括但不限于合同号、签约时间、签约楼盘、签约金额，所述身份证的节点关系包括但不限于姓名、家庭住址。


3.根据权利要求2所述的基于知识图谱的高净值客户群识别方法，其特征在于，所述边还表示客户节点和非客户节点间的关联关系、三元关系。


4.根据权利要求3所述的基于知识图谱的高净值客户群识别方法，其特征在于，所述三元关系为起始节点、尾节点、由起始节点指向尾节点的关系边组成的集合...

【专利技术属性】
技术研发人员：李琦，宋卫东，
申请(专利权)人：重庆锐云科技有限公司，
类型：发明
国别省市：重庆;50