基于金融交易数据的用户画像构建方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115760200A(43)申请公布日2023.03.07(21)申请号202310015416.XG06F16/906(2019.01)(22)申请日2023.01.06(71)申请人万链指数（青岛）信息科技有限公司地址266100山东省青岛市崂山区松岭路169号A座1301(72)发明人贾庆佳张磊孙剑李瑞敏柏琳陆星(74)专利代理机构北京天盾知识产权代理有限公司11421专利代理师郑艳春(51)Int.Cl.G06Q30/0201(2023.01)G06Q40/04(2012.01)G06F16/901(2019.01)G06F16/903(2019.01)权利要求书3页说明书10页附图1页(54)发明名称基于金融交易数据的用户画像构建方法(57)摘要本发明涉及数据处理技术领域，具体涉及基于金融交易数据的用户画像构建方法，包括：构建每个用户的基本属性向量以及行为向量；根据一个属性将用户分为多个属性类别，获取每个属性类别的属性代表值以及活跃度标量，进一步获取独立属性以及非独立属性；根据两个非独立属性的每个属性类别构建的无向图获取匹配类别对；根据所有匹配类别对的属性二元组以及活跃度二元组获取多个组合属性；根据所有独立属性以及组合属性将用户分为多个用户类别，根据每个用户类别的行为向量获取活跃度；获取每个用户类别的属性值均值向量；属性值均值向量以及活跃度构成每个用户类别的用户画像。本发明有助于精准的营销推荐。CN115760200ACN115760200A权利要求书1/3页1.基于金融交易数据的用户画像构建方法，其特征在于，该方法包括以下步骤：S1：构建每个用户的基本属性向量以及行为向量；S2：根据一个属性将用户分为多个属性类别，获取每个属性类别的属性代表值；对每个属性类别中所有用户的行为向量进行降维，得到每个属性类别的类别代表行为向量；根据所有属性类别的类别代表行为向量获取每个属性类别的活跃度标量；根据所有属性类别的属性代表值以及活跃度标量获取独立属性或非独立属性；将所有的非独立属性组成非独立属性序列；S3：对非独立属性序列中前两个非独立属性进行组合属性获取操作，包括：根据两个非独立属性的每个属性类别构建无向图，利用KM匹配的方法对无向图进行最优最小匹配，得到两个非独立属性的属性类别之间的匹配关系，将匹配的两个属性类别作为匹配类别对；对匹配类别对中的属性类别进行更新，将匹配类别对中所有属性类别更新后的属性代表值作为匹配类别对的属性二元组，将匹配类别对中所有属性类别更新前的活跃度标量作为匹配类别对的活跃度二元组；根据所有匹配类别对的属性二元组以及活跃度二元组获取组合属性或基本单元；当获得组合属性时，将组合属性从非独立属性序列删除；当获得基本单元时，将基本单元作为非独立属性序列中第一个非独立属性；S4：重复S3直到非独立属性序列的长度小于等于1时停止迭代；S5：根据所有独立属性以及组合属性对所有用户进行分类，得到多个用户类别；根据每个用户的行为向量获取每个用户类别的活跃度；获取每个用户类别的属性值均值向量；每个用户类别的属性值均值向量以及活跃度构成该用户类别的用户画像。2.根据权利要求1所述的基于金融交易数据的用户画像构建方法，其特征在于，所述根据一个属性将用户分为多个属性类别，获取每个属性类别的属性代表值，包括的具体步骤如下：获取所有用户同一个属性的所有不同属性值，统计每个属性值的频率；将所有属性值按照从小到大的顺序排列得到属性值序列，根据属性值序列中每个属性值的频率利用多阈值分割的方法对属性值序列进行分割，将属性值序列分成多个类别，将每个类别中所有属性值对应的用户作为一个属性类别；将每个属性类别中所有用户对应属性的属性值的均值作为该属性类别的属性代表值。3.根据权利要求1所述的基于金融交易数据的用户画像构建方法，其特征在于，所述根据所有属性类别的类别代表行为向量获取每个属性类别的活跃度标量，包括的具体步骤如下：设投影向量为，将一个属性对应的每个属性类别的类别代表行为向量分别表示为、；其中Q表示属性对应的每个属性类别的类别代表行为向量的个数，构建标量的计算模型：2CN115760200A权利要求书2/3页计算模型中分别为一个属性对应的多个属性类别的类别代表行为向量；为投影向量；为点积运算符；分别为转化后的标量；构建标量的条件模型：条件模型中分别为一个属性对应的多个属性类别的类别代表行为向量；、分别为的模；分别为转化后的标量；对标量的计算模型和条件模型利用线性代数进行求解，得到投影向量以及每个属性类别的类别代表行为向量转换得到的标量；将得到的标量分别作为每个属性类别的活跃度标量。4.根据权利要求1所述的基于金融交易数据的用户画像构建方法，其特征在于，所述根据所有属性类别