[发明专利]基于标签关联的客户群行为预测的方法

权利要求书

1.基于标签关联的客户群行为预测的方法，其特征包括：

A.通过处理器从系统数据库中提取出每个客户的历史数据，对所述历史数据分类，并对每类设置标签，至少包括每个客户的性别、年龄、历史贷款金额和是否参加金融贷款产品营销活动的标签；

B.根据提取的每个客户的历史数据按照所述的各标签在存储结构中建立矩阵存储结构C1，其中矩阵存储结构C1的行结构为所述的各标签，列结构为各客户；

C.通过分箱操作将矩阵存储结构C1中数值类型的标签根据标签所在列的数值拆分为多个与所述数值的范围相适应的扩展标签，并在存储结构中建立扩展矩阵存储结构C2，其中扩展矩阵存储结构C2的行结构为所有扩展标签和是否参加金融贷款产品营销活动的标签，列结构为各客户，扩展矩阵存储结构C2中的所有值都为布尔值；

D.根据扩展矩阵存储结构C2中各扩展标签的值，通过随机梯度下降的方法计算出每个扩展标签的权重；

E.将新的客户标签的值带入所述的随机梯度下降的方法，根据计算出的扩展标签的权重，计算出新的客户标签对应的是否参加金融贷款产品营销活动的概率值。

2.如权利要求1所述的基于标签关联的客户群行为预测的方法，其特征为：步骤D中，通过公式：

计算出每个扩展标签的权重，其中，y表示扩展矩阵存储结构C2中客户是否参加金融贷款产品营销活动的布尔值，ω₀为偏置量，表示截距，n为扩展标签的数量，x_i为第i个扩展标签的取值，ω_i为第i个扩展标签的权重，j为与扩展标签i不同的扩展标签，ω_ij为当ω_i和ω_j共同出现时的权重，表示了扩展标签x_i和x_j的关联关系。

3.如权利要求2所述的基于标签关联的客户群行为预测的方法，其特征为：将所述公式中的ω_ij对应的第i个扩展标签的权重ω_i和第j个扩展标签的权重ω_j，分别通过各自对应的辅助向量V_i＝(v_i1,v_i2,……,v_ik)和V_j＝(v_j1,v_j2,……,v_jk)将扩展标签表示为一个表征扩展标签特征的向量，使得ω_ij等于V_i和V_j的点乘，由此将所述公式转换为：

步骤D中，根据扩展矩阵存储结构C2中各扩展标签的值，通过随机梯度下降的方法计算出每个扩展标签的权重、辅助向量V_i和V_j。

4.如权利要求3所述的基于标签关联的客户群行为预测的方法，其特征为：计算出每个辅助向量后，计算两两辅助向量的余弦相似度作为对应的两两扩展标签之间的相似度，当人工选择一个扩展标签后，系统选取出与该扩展标签的相似度最大的K个扩展标签，用于辅助人工筛选客户群。