System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及大数据,特别是涉及一种确定业务推荐目标的方法、装置、计算机设备、存储介质和计算机程序产品。
技术介绍
1、近年来,我国经济社会发展对增加征信有效供给、提升征信服务水平提出了新要求,金融科技的发展也为进一步提升征信系统服务能力提供了技术支撑。为更好地满足金融机构和社会各界的征信需求,适应金融科技发展趋势,2020年1月17日征信中心对外提供二代征信查询服务。第二代征信系统相比第一代征信,丰富了基本信息和信贷信息内容,提升了信息更新效率。此外,二代个人和企业征信数据收录了全国大部分的自然人和小微企业,且接入机构涵盖了各类金融机构和非金融机构,数据范围覆盖了各类信贷产品。因此,基于客户的征信数据,可以全面地了解客户的基本情况、信用历史等信息,更准确地对客户风险、客户价值等进行评估。
2、目前而言,行业内普遍将征信数据与其他数据结合,用于信贷审批、预警、催收等环节的风险控制,个别互联网银行会根据征信信息进行授信。然而,通过征信数据进行营销获客的应用较少,导致一些新老客户的流失,从而带来了一定程度的经济损失。
3、相关技术中,针对客户进行业务营销响应的预测方法通常是以机构内部获得的各类数据为基础,加工出各类的标签指标,例如客户的代发工资情况、客户的贷款申请情况、客户的贷款使用情况、客户的银行卡流水情况等等,基于这些指标来构建模型或者专家评分卡,从而实现对客户营销响应概率的预测。
4、然而,目前的业务推荐预测方法,存在如下的技术问题。
5、现有的预测方法依赖于特定平台提供的用户的基本
技术实现思路
1、基于此,有必要针对上述技术问题,提供一种能够提高推荐目标选取的准确度,从而提高业务推荐的转化率的一种确定业务推荐目标的方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
2、第一方面,本申请提供了一种确定业务推荐目标的方法。所述方法包括:
3、获取批量用户的原始业务关联数据,所述原始业务关联数据与若干待推荐业务相关联;
4、对所述原始业务关联数据进行预处理,筛选出与目标业务相关联的业务关联指标;
5、调用预构建的逻辑回归分析模型对所述业务关联指标进行预测处理,得到所述批量用户对所述目标业务的推荐响应预测结果;
6、基于所述推荐响应预测结果对所述批量用户进行筛选,选取对所述目标业务的推荐行为的响应概率超过预设阈值的目标用户作为所述目标业务的推荐对象。
7、在其中一个实施例中,所述调用预构建的逻辑回归分析模型对所述业务关联指标进行预测处理,得到所述批量用户对所述目标业务的推荐响应预测结果包括:
8、对所述业务关联指标进行线性组合,得到所述逻辑回归分析模型的组合变量;
9、调用所述逻辑回归分析模型的激活函数对所述组合变量进行函数变换,得到所述推荐响应预测结果,所述激活函数为:
10、
11、式中,t为所述组合变量,s(t)为所述推荐响应预测结果。
12、在其中一个实施例中,所述调用预构建的逻辑回归分析模型对所述业务关联指标进行预测处理,得到所述批量用户对所述目标业务的推荐响应预测结果之前,还包括:
13、获取历史业务关联数据,所述历史业务关联数据与待推荐的目标业务相关联;
14、基于预设的关系型数据处理流程对所述原始业务关联数据进行处理,对所述原始业务关联数据赋予业务关联标签,得到业务标签数据集;
15、基于业务标签数据集对所述逻辑回归分析模型进行迭代训练,确定所述逻辑回归分析模型中对应不同所述业务关联指标的特征权重系数。
16、在其中一个实施例中,所述基于预设的关系型数据处理流程对所述原始业务关联数据进行处理,对所述原始业务关联数据赋予业务关联标签,得到业务标签数据集之后,还包括:
17、对所述业务标签数据集进行过滤处理,基于过滤处理后的所述业务标签数据集训练所述逻辑回归分析模型。
18、在其中一个实施例中,所述对所述业务标签数据集进行过滤处理,基于过滤处理后的所述业务标签数据集训练所述逻辑回归分析模型包括:
19、获取不同的所述业务关联指标对样本用户的覆盖率,基于所述覆盖率对所述业务标签数据集进行过滤,以滤除所述覆盖率低于预设覆盖率阈值的所述业务关联指标;
20、和/或;
21、获取所述业务关联标签的信息值,基于所述信息值对所述业务标签数据集进行过滤,以滤除所述覆盖率低于预设重要度阈值的所述业务关联指标;
22、和/或;
23、获取随机组合的任意两个所述业务关联标签的相关性参数,基于所述相关性参数对所述业务标签数据集进行过滤,以对相关性参数高于预设的相关性阈值的所述业务关联指标进行择一保留。
24、在其中一个实施例中,所述基于预设的关系型数据处理流程对所述原始业务关联数据进行处理,对所述原始业务关联数据赋予业务关联标签,得到业务标签数据集包括:
25、对所述原始业务关联数据进行预处理,所述预处理包括透传处理、交叉比对分析以及统计聚合处理。
26、第二方面,本申请还提供了一种确定业务推荐目标的装置。所述装置包括:
27、原始业务数据模块,用于获取批量用户的原始业务关联数据,所述原始业务关联数据与若干待推荐业务相关联;
28、业务数据预处理模块,用于对所述原始业务关联数据进行预处理,筛选出与目标业务相关联的业务关联指标;
29、分析模型预测模块,用于调用预构建的逻辑回归分析模型对所述业务关联指标进行预测处理,得到所述批量用户对所述目标业务的推荐响应预测结果;
30、推荐对象选取模块,用于基于所述推荐响应预测结果对所述批量用户进行筛选,选取对所述目标业务的推荐行为的响应概率超过预设阈值的目标用户作为所述目标业务的推荐对象。
31、在其中一个实施例中,所述分析模型预测模块包括:
32、组合变量模块,用于对所述业务关联指标进行线性组合,得到所述逻辑回归分析模型的组合变量;
33、激活函数模块,用于调用所述逻辑回归分析模型的激活函数对所述组合变量进行函数变换,得到所述推荐响应预测结果,所述激活函数为:
34、
35、式中,t为所述组合变量,s(t)为所述推荐响应预测结果。
36、在其中一个实施例中,所述分析模型预测模块之前,还包括:
37、历史业务数据模块,用于获取历史业务关联数据,所述历史业务关联数据与待推荐的目标业务相关联;
38、数据标签模块,用于基于预设的关系型数据处理流程对所述原始业务关联数据进行处理,对所述原始业务关联数据赋予业务关联标签,得到业务标签数据集;
39、模型迭代训练模块,用于基于业务标签数据集对所本文档来自技高网...
【技术保护点】
1.一种确定业务推荐目标的方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述调用预构建的逻辑回归分析模型对所述业务关联指标进行预测处理,得到所述批量用户对所述目标业务的推荐响应预测结果包括:
3.根据权利要求1所述的方法,其特征在于,所述调用预构建的逻辑回归分析模型对所述业务关联指标进行预测处理,得到所述批量用户对所述目标业务的推荐响应预测结果之前,还包括:
4.根据权利要求3所述的方法,其特征在于,所述基于预设的关系型数据处理流程对所述原始业务关联数据进行处理,对所述原始业务关联数据赋予业务关联标签,得到业务标签数据集之后,还包括:
5.根据权利要求4所述的方法,其特征在于,所述对所述业务标签数据集进行过滤处理,基于过滤处理后的所述业务标签数据集训练所述逻辑回归分析模型包括:
6.根据权利要求3所述的方法,其特征在于,所述基于预设的关系型数据处理流程对所述原始业务关联数据进行处理,对所述原始业务关联数据赋予业务关联标签,得到业务标签数据集包括:
7.一种确定业务推荐目标的装置,
8.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种确定业务推荐目标的方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述调用预构建的逻辑回归分析模型对所述业务关联指标进行预测处理,得到所述批量用户对所述目标业务的推荐响应预测结果包括:
3.根据权利要求1所述的方法,其特征在于,所述调用预构建的逻辑回归分析模型对所述业务关联指标进行预测处理,得到所述批量用户对所述目标业务的推荐响应预测结果之前,还包括:
4.根据权利要求3所述的方法,其特征在于,所述基于预设的关系型数据处理流程对所述原始业务关联数据进行处理,对所述原始业务关联数据赋予业务关联标签,得到业务标签数据集之后,还包括:
5.根据权利要求4所述的方法,其特征在于,所述对所述业务标签数据集进行过滤处理,基于过滤处理后的所述业务标签数据集训练...
【专利技术属性】
技术研发人员:许晴,袁茵,吕思运,
申请(专利权)人:中国建设银行股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。