基于人工智能和大数据进行智能产品推荐的方法及系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN109300039A(43)申请公布日2019.02.01(21)申请号201811480091.8G06F16/9535(2019.01)(22)申请日2018.12.05(71)申请人山东省城市商业银行合作联盟有限公司地址250104山东省济南市高新东区科创路1001号(72)发明人张利朋方明永寇少敏蒋明润刘殿生周静(74)专利代理机构济南诚智商标专利事务所有限公司37105代理人赵玉珍(51)Int.Cl.G06Q40/04(2012.01)G06Q10/04(2012.01)G06Q10/06(2012.01)权利要求书2页说明书6页附图1页(54)发明名称基于人工智能和大数据进行智能产品推荐的方法及系统(57)摘要本发明提供了基于人工智能和大数据进行智能产品推荐的方法，所述的方法包括：步骤1：对历史金融产品交易数据和个人数据处理，删除空值过多的变量，对剩余变量进行空值填充；步骤2：在数值变量和分类变量中分别选取最优特征；步骤3：基于步骤1和步骤2中的数据和变量，利用梯度提升决策树构建模型；步骤4：把已构建的模型应用于当前时点的目标客户，预测每位客户未来购买目标金融产品。利用金融客户特征和历史交易数据，匹配金融产品和购买产品的客户的特征，从全量客群中筛选出未来三个月购买金融产品的潜在客户名单。本发明还提供了基于人工智能和大数据进行智能产品推荐的系统。CN109300039ACN109300039A权利要求书1/2页1.基于人工智能和大数据进行智能产品推荐的方法，其特征在于，所述的方法包括以下步骤：步骤1：对历史金融产品交易数据和个人数据处理，删除空值过多的变量，对剩余变量进行空值填充；步骤2：在数值变量和分类变量中分别选取最优特征；步骤3：基于步骤1和步骤2中的数据和变量，利用梯度提升决策树构建模型；步骤4：把已构建的模型应用于当前时点的目标客户，预测每位客户未来购买目标金融产品。2.根据权利要求1所述的基于人工智能和大数据进行智能产品推荐的方法，其特征在于，步骤1中，历史金融产品交易数据和个人数据的采集粒度为月，并收集至少12个月的数据；然后，对每一个客户打标签“是否未来三个月会购买金融产品”，该标签的定义如下：对于在某一个月的客户，如果在未来三个月的任何一个月，该客户是某金融产品的持有者，该客户的标签为1；否则为0。3.根据权利要求1所述的基于人工智能和大数据进行智能产品推荐的方法，其特征在于，步骤2中，数值变量选取最优特征的具体方法为：首先，对数值变量进行离散处理或者通过Z-score的归一化方式进行无量纲化处理；然后，基于Pearson相关系数进行特征变量选取。4.根据权利要求1所述的基于人工智能和大数据进行智能产品推荐的方法，其特征在于，步骤2中，分类变量选取最优特征的具体方法为：首先，通过哑编码将分类变量转换为哑变量；然后，基于卡方检验，来得到特征和标签之间的相关性。5.根据权利要求1所述的基于人工智能和大数据进行智能产品推荐的方法，其特征在于，在步骤2中，如果变量包含多个数值变量和分类变量，可以用递归特征消除法选取最优特征。6.根据权利要求1所述的基于人工智能和大数据进行智能产品推荐的方法，其特征在于，步骤3的具体实现过程为：S31：将全量客户数据按照80％和20％的比例分为训练数据集和测试数据集；S32：使用梯度提升决策树算法针对训练数据集里的“是否未来三个月会购买金融产品”的标签和特征变量进行训练，得到代表标签和特征变量关系的模型；S33：把测试数据集输入模型，得到客户购买金融产品的预测概率；S34：对比预测值和测试数据集里的实际值，得到模型应用到测试数据集的准确率；S35：重复步骤S31-S34，获取的准确率最高的模型。7.根据权利要求1所述的基于人工智能和大数据进行智能产品推荐的方法，其特征在于，步骤4的具体实现过程为：设定潜在目标客户的阈值，然后把已构建的模型应用于当前时点的目标客户，预测每位客户未来购买目标金融产品，当计算得到的购买概率高于设定的阈值时，该客户即为潜在目标客户，可以用于营销实施。8.基于人工智能和大数据进行智能产品推荐的系统，其特征在于，所述的系统包括：数据预处理模块：用于以月为粒度收集至少12个月的历史金融产品交易数据和个人数2CN109300039A权利要求书2/2页据，并对每一个客户打标签；变量预处理模块，用于删除空值过多的变量，并对剩余变量进行空值填充；最优特征选取模块，用于在数值变量和分类变量中分别选取最优特征；模型建立模块，用于利用梯度提升决策树构建模型；客户推荐模块，用于利用建立的模型计算实时客户购买金融产品的概率，并将概率高的潜在客户推荐给客户经理。9.根据权利要求8所述的基于人工智能