[发明专利]一种考虑竞争模式的关联挖掘算法

说明书

一种考虑竞争模式的关联挖掘算法是用于理财产品组合的推荐算法。通过用户历史行为可以得到理财产品组合数据，再通过产品组合的历史数据得到均衡的协作记录和竞争记录，并给予一种决策树算法RuleTree从中挖掘出相应的协作关联规则和竞争关联规则。最后提出了规则评价模型RuleScore，对关联规则的信息价值进行评价，并将所得规则用于理财产品组合的预测和推荐。

技术领域

一种考虑竞争模式的关联挖掘算法是用于理财产品组合的推荐算法。

背景技术

随着网络银行和直销银行的大批出现，互联网上理财产品的数量急剧增加，互联网理财产品销售平台也因此应运而生。销售平台上包含的多个银行的许多理财产品供用户选择，但是用户想要在销售平台上几十家银行的几千种理财产品中寻找到最合适自己的产品组合是一件非常困难的事。目前的推荐算法主要针对单一的理财产品推荐，对于组合理财产品的推荐效果较差。关联规则挖掘算法是解决理财产品组合推荐的有效方法之一。但目前关联规则的挖掘都只是关注产品历史中的频繁模式，即协作模式，作为产品推荐的一般规律，却忽略了其中可能出现的竞争模式。因此，我们在apriori算法的基础上，提出了分析产品协作模式和竞争模式的关联挖掘算法，并用于理财产品组合的推荐。

发明内容

每笔理财产品交易记录的形式为二元组：ID，ProdList(其中ID为交易的序列号，ProdList是在一笔交易中数目不等的理财产品列表)

(一)生成频繁项集：

1.初始化计算支持度：扫描全部交易，设最小支持度为MinSupt。遍历所有理财产品，生成每个产品的1项集。每个产品的1项集的支持度为其中N为全部交易的笔数，n_p为理财产品p出现在交易记录中的交易记录数量。筛选支持度不小于最小支持度MinSupt的理财产品列表，得到频繁1项集列表。

2.自连接与剪枝：将上一步得到的频繁1项集列表中的项集进行自连接，生成2项集。随后进行剪枝处理，即对于生成的2项集，将子集含有非频繁项集的2项集剔除，生成2项集列表。

3.计算支持度：对于第二步生成的2项集列表，计算每个项集的支持度其中表示含有2项理财产品的2项集p₂在全部交易中出现的交易次数，筛选支持度不小于最小支持度的理财产品列表，得到频繁2项集列表。

4.按照2，3步的方式，将2项集自连接并剪枝，筛选后可得到频繁3项集列表。继续循环可以得到包含更多产品的项集列表。直到没有符合条件的项集列表，循环停止。

(二)生成关联规则

设第一步生成的频繁项集中的某项集{p_i，p_j}的支持度为supt({p_i，p_j})，则置信度筛选置信度不小于最小置信度的理财产品列表，得到关联规则。

应用于理财产品组合推荐，Apriori算法的主要思想是找出存在于事务数据集中最大的频繁项集,利用得到的最大频繁项集与预先设定的最小置信度阈值生成强关联规则，从而进行理财产品组合推荐。但Apriori算法没有考虑到理财产品组合中的竞争模式，包括理财产品组合的冲突，产品细分领域的不相关，以及理财产品提供商之间的竞争关系。

本发明找到有竞争关系的理财产品，将竞争模式加入到模式分析当中，提高了理财产品组合推荐的准确率。

步骤：

1.生成关联规则

A.生成频繁2项集