银行产品的分类方法、装置、系统、设备、介质和产品制造方法及图纸

本公开提供了一种银行产品的分类方法，可用于金融领域或其他领域。该方法包括：获取待分类的银行产品的产品分类要素数据；预处理所述产品分类要素数据，以获取产品分类要素特征；将所述产品分类要素特征输入决策树模型中，以确定针对所述待分类的银行产品的分类决策树；比较所述针对所述待分类的银行产品的分类决策树的层数与预设层数；当所述针对所述待分类的银行产品的分类决策树的层数大于预设层数时，将所述产品分类要素特征输入神经网络模型中；以及基于所述产品分类要素特征，利用所述神经网络模型确定所述待分类的银行产品的类别。本公开还提供了一种银行产品的分类装置、设备、存储介质和程序产品。存储介质和程序产品。存储介质和程序产品。

【技术实现步骤摘要】
银行产品的分类方法、装置、系统、设备、介质和产品


[0001]本专利技术涉及大数据领域
，还可用于金融领域或其他领域，具体地，涉及一种银行产品的分类方法、装置、系统、设备、介质和产品。

技术介绍

[0002]银行产品的分类的对银行产品的全生命周期管理非常重要，需要依据银行产品分类情况配置研发资源，进行产品研发，并实现对目标客户的营销。
[0003]在实现本公开构思的过程中，专利技术人发现，目前对银行产品进行分类时，主要依靠相关工作人员的经验，由于分类缺乏统一标准，导致银行产品分类不准确，造成后续的研发资源配置不合理，产品研发效率低下，同时影响对目标客户营销的精准度。

技术实现思路

[0004]鉴于上述问题，本公开提供了一种银行产品的分类方法、装置、设备、介质和程序产品。
[0005]根据本公开的第一个方面，提供了一种银行产品的分类方法，包括：获取待分类的银行产品的产品分类要素数据；预处理所述产品分类要素数据，以获取产品分类要素特征；将所述产品分类要素特征输入决策树模型中，以确定针对所述待分类的银行产品的分类决策树，其中，所述决策树模型为基于已有的银行产品预先训练得到的；比较所述针对所述待分类的银行产品的分类决策树的层数与预设层数；当所述针对所述待分类的银行产品的分类决策树的层数大于预设层数时，将所述产品分类要素特征输入神经网络模型中，其中，所述神经网络模型为基于已有的银行产品预先训练得到的；以及基于所述产品分类要素特征，利用所述神经网络模型确定所述待分类的银行产品的类别。
>[0006]根据本公开的实施例，所述方法还包括：当所述针对所述待分类的银行产品的分类决策树的层数不大于预设层数时，基于所述产品分类要素特征，利用所述针对所述待分类的银行产品的分类决策树确定所述待分类的银行产品的类别。
[0007]根据本公开的实施例，所述方法还包括：获取待分类的银行产品的产品分级要素数据；预处理所述产品分级要素数据，以获取产品分级要素特征；将所述产品分级要素特征输入所述决策树模型中，以确定针对所述待分类的银行产品的分级决策树；比较所述针对所述待分类的银行产品的分级决策树的层数与所述预设层数；当所述针对所述待分类的银行产品的分级决策树的层数大于预设层数时，将所述产品分级要素特征输入所述神经网络模型中；以及基于所述产品分级要素特征，利用所述神经网络模型确定所述待分类的银行产品的级别。
[0008]根据本公开的实施例，所述方法还包括：当所述针对所述待分类的银行产品的分级决策树的层数不大于所述预设层数时，基于所述产品分级要素特征，利用所述针对所述待分类的银行产品的分级决策树确定所述待分类的银行产品的级别。
[0009]根据本公开的实施例，所述产品分类要素数据包括非数值型数据；所述预处理所
述产品分类要素数据，以获取产品分类要素特征，包括：比较所述非数值型数据中的数据项与预设项数；以及，当所述非数值型数据中的数据项不大于所述预设项数时，使用独热编码方式处理所述非数值型数据，以将所述非数值型数据转换为第一产品分类要素特征，和/或，所述产品分级要素数据包括非数值型数据；所述预处理所述产品分级要素数据，以获取产品分级要素特征，包括：比较所述非数值型数据中的数据项与预设项数；以及，当所述非数值型数据中的数据项不大于所述预设项数时，使用独热编码方式处理所述非数值型数据，以将所述非数值型数据转换为第一产品分级要素特征。
[0010]根据本公开的实施例，所述预处理所述产品分类要素数据，以获取产品分类要素特征，还包括：当所述非数值型数据中的数据项大于所述预设项数时，使用独热编码方式处理所述非数值型数据，以将所述非数值型数据转换为数值型数据；以及，采用主成分分析法对转换后的数值型数据进行降维处理，以获得第二产品分类要素特征，和/或，所述预处理所述产品分级要素数据，以获取产品分级要素特征，还包括：当所述非数值型数据中的数据项大于所述预设项数时，使用独热编码方式处理所述非数值型数据，以将所述非数值型数据转换为数值型数据；以及，采用主成分分析法对转换后的数值型数据进行降维处理，以获得第二产品分级要素特征。
[0011]根据本公开的实施例，所述产品分类要素数据包括数值型数据；所述预处理所述产品分类要素数据，以获取产品分类要素特征，包括：对所述数值型数据进行归一化处理，以获得第三产品分类要素特征，和/或，所述产品分级要素数据包括数值型数据；所述预处理所述产品分级要素数据，以获取产品分级要素特征，包括：对所述数值型数据进行归一化处理，以获得第三产品分级要素特征。
[0012]根据本公开的实施例，所述产品分类要素数据包括客户特征维度要素数据和产品服务维度要素数据；和/或，所述产品分级要素数据包括产品影响力维度要素数据和产品运营数据维度要素数据。
[0013]根据本公开的实施例，基于已有的银行产品预先训练得到所述决策树模型包括：获取训练样本集，所述训练样本集包括多个已有的银行产品，所述多个已有的银行产品包括各自的产品分类要素数据、产品分级要素数据、产品类别和产品级别；针对所述训练样本集，确定特征熵；特征增益确定步骤：基于所述特征熵，确定当前分支节点中各个产品分类要素的特征增益，或者，确定当前分支节点中各个产品分级要素的特征增益；当前分支节点确定步骤：基于所述特征增益，确定当前分支节点对应的产品分类要素或产品分级要素，其中，当前分支节点对应的产品分类要素或产品分级要素为特征增益为最大值的产品分类要素或产品分级要素；以及重复执行所述特征增益确定步骤和所述当前分支节点确定步骤，直至构建完整的决策树，其中，对于所述完整的决策树中的层数大于所述预设层数的叶子节点，所述叶子节点的分类值或分级值设置为待定。
[0014]根据本公开的实施例，在基于已有的银行产品预先训练得到所述神经网络模型的过程中，所述激活函数设置为S
o
ftmax激活函数；和/或，所述损失函数设置为均方误差函数；和/或，所述学习率设置为0.05。
[0015]本公开的第二方面提供了一种银行产品的分类装置，包括：第一获取模块，用于获取待分类的银行产品的产品分类要素数据；第一预处理模块，用于预处理所述产品分类要素数据，以获取产品分类要素特征；决策树生成模块，用于将所述产品分类要素特征输入决
策树模型中，以确定针对所述待分类的银行产品的分类决策树，其中，所述决策树模型为基于已有的银行产品预先训练得到的；第一比较模块，用于比较所述针对所述待分类的银行产品的分类决策树的层数与预设层数；神经网络模块，用于当所述针对所述待分类的银行产品的分类决策树的层数大于预设层数时，将所述产品分类要素特征输入神经网络模型中，其中，所述神经网络模型为基于已有的银行产品预先训练得到的；以及第一分类模块，用于基于所述产品分类要素特征，利用所述神经网络模型确定所述待分类的银行产品的类别。
[0016]根据本公开的实施例，所述装置还包括第二分类模块，用于当所述针对所述待分类的银行产品的分类决策树的层数不大于预设层数时，基于所述产品分类要素特征本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种银行产品的分类方法，其特征在于，所述方法包括：获取待分类的银行产品的产品分类要素数据；预处理所述产品分类要素数据，以获取产品分类要素特征；将所述产品分类要素特征输入决策树模型中，以确定针对所述待分类的银行产品的分类决策树，其中，所述决策树模型为基于已有的银行产品预先训练得到的；比较所述针对所述待分类的银行产品的分类决策树的层数与预设层数；当所述针对所述待分类的银行产品的分类决策树的层数大于预设层数时，将所述产品分类要素特征输入神经网络模型中，其中，所述神经网络模型为基于已有的银行产品预先训练得到的；以及基于所述产品分类要素特征，利用所述神经网络模型确定所述待分类的银行产品的类别。2.根据权利要求1所述的方法，其中，所述方法还包括：当所述针对所述待分类的银行产品的分类决策树的层数不大于预设层数时，基于所述产品分类要素特征，利用所述针对所述待分类的银行产品的分类决策树确定所述待分类的银行产品的类别。3.根据权利要求1所述的方法，其中，所述方法还包括：获取待分类的银行产品的产品分级要素数据；预处理所述产品分级要素数据，以获取产品分级要素特征；将所述产品分级要素特征输入所述决策树模型中，以确定针对所述待分类的银行产品的分级决策树；比较所述针对所述待分类的银行产品的分级决策树的层数与所述预设层数；当所述针对所述待分类的银行产品的分级决策树的层数大于预设层数时，将所述产品分级要素特征输入所述神经网络模型中；以及基于所述产品分级要素特征，利用所述神经网络模型确定所述待分类的银行产品的级别。4.根据权利要求3所述的方法，其中，所述方法还包括：当所述针对所述待分类的银行产品的分级决策树的层数不大于所述预设层数时，基于所述产品分级要素特征，利用所述针对所述待分类的银行产品的分级决策树确定所述待分类的银行产品的级别。5.根据权利要求3所述的方法，其中，所述产品分类要素数据包括非数值型数据；所述预处理所述产品分类要素数据，以获取产品分类要素特征，包括：比较所述非数值型数据中的数据项与预设项数；以及，当所述非数值型数据中的数据项不大于所述预设项数时，使用独热编码方式处理所述非数值型数据，以将所述非数值型数据转换为第一产品分类要素特征，和/或，其中，所述产品分级要素数据包括非数值型数据；所述预处理所述产品分级要素数据，以获取产品分级要素特征，包括：比较所述非数值型数据中的数据项与预设项数；以及，当所述非数值型数据中的数据项不大于所述预设项数时，使用独热编码方式处理所述非数值型数据，以将所述非数值型数据转换为第一产品分级要素特征。6.根据权利要求5所述的方法，其中，所述预处理所述产品分类要素数据，以获取产品
分类要素特征，还包括：当所述非数值型数据中的数据项大于所述预设项数时，使用独热编码方式处理所述非数值型数据，以将所述非数值型数据转换为数值型数据；以及，采用主成分分析法对转换后的数值型数据进行降维处理，以获得第二产品分类要素特征，和/或，其中，所述预处理所述产品分级要素数据，以获取产品分级要素特征，还包括：当所述非数值型数据中的数据项大于所述预设项数时，使用独热编码方式处理所述非数值型数据，以将所述非数值型数据转换为数值型数据；以及，采用主成分分析法对转换后的数值型数据进行降维处理，以获得第二产品分级要素特征。7...

【专利技术属性】
技术研发人员：冯强，高铮，谷静，任瑜平，李昂然，邓琳，林瑶，杨珂，刘小芳，刘霞，陈静，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：