[发明专利]银行客户数据处理方法及装置

说明书

本发明公开了一种银行客户数据处理方法及装置，其中方法包括：获得银行客户数据，所述银行客户数据包括：个人数据，交易数据，资产负债数据其中之一或任意组合；根据所述银行客户数据和预先建立的分类模型，对银行客户数据进行分类，其中，所述分类模型根据多个训练好的机器学习模型以及设定的每个训练好的机器学习模型对应的权重值预先建立，所述每个训练好的机器学习模型对应的权重值利用遗传算法进行设定，所述每个机器学习模型根据银行客户历史数据进行训练。本发明便于处理银行客户数据，实现高准确性及可靠性的客户数据分类。

技术领域

本发明涉及数据分析技术领域，尤其涉及银行客户数据处理方法及装置。

背景技术

为给每个客户提供更具有针对性个性化服务，商业银行需要对客户数据进行分类，分类结果可用于金融服务的多个场景，例如，基于客群的精准营销、产品推广等。

随着商业银行客户数量的增加，客户消费行为异常复杂，且数据量随着时间推移越来越大，现有的聚类算法或者人工分类方法已无法满足商业银行业务对客户数据分类结果的要求，存在分类准确性和可靠性较差的问题。

因此，亟需一种可以克服上述问题的银行客户数据处理方案。

发明内容

本发明实施例提供一种银行客户数据处理方法，用以处理银行客户数据，实现高准确性及可靠性的客户数据分类，该方法包括：

获得银行客户数据，所述银行客户数据包括：个人数据，交易数据，资产负债数据其中之一或任意组合；

根据所述银行客户数据和预先建立的分类模型，对银行客户数据进行分类，其中，所述分类模型根据多个训练好的机器学习模型以及设定的每个训练好的机器学习模型对应的权重值预先建立，所述每个训练好的机器学习模型对应的权重值利用遗传算法进行设定，所述每个机器学习模型根据银行客户历史数据进行训练。

本发明实施例提供一种银行客户数据处理装置，用以处理银行客户数据，实现高准确性及可靠性的客户数据分类，该装置包括：

数据获得模块，用于获得银行客户数据，所述银行客户数据包括：个人数据，交易数据，资产负债数据其中之一或任意组合；

数据分类模块，用于根据所述银行客户数据和预先建立的分类模型，对银行客户数据进行分类，其中，所述分类模型根据多个训练好的机器学习模型以及设定的每个训练好的机器学习模型对应的权重值预先建立，所述每个训练好的机器学习模型对应的权重值利用遗传算法进行设定，所述每个机器学习模型根据银行客户历史数据进行训练。

本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述银行客户数据处理方法。

本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述银行客户数据处理方法的计算机程序。

相对于现有技术中通过聚类算法或者人工进行客户数据分类的方案而言，本发明实施例通过获得银行客户数据，所述银行客户数据包括：个人数据，交易数据，资产负债数据其中之一或任意组合；根据所述银行客户数据和预先建立的分类模型，对银行客户数据进行分类，其中，所述分类模型根据多个训练好的机器学习模型以及设定的每个训练好的机器学习模型对应的权重值预先建立，所述每个训练好的机器学习模型对应的权重值利用遗传算法进行设定，所述每个机器学习模型根据银行客户历史数据进行训练。本发明实施例无需人为操作，利用银行客户数据和预先建立的分类模型对客户数据进行自动分类，快速、省力、高效且低成本，此外，考虑到每个机器学习模型学习到特征的侧重点不同，本发明实施例利用遗传算法为每个训练好的机器学习模型设定了对应的权重值，根据多个训练好的机器学习模型以及设定的每个训练好的机器学习模型对应的权重值建立分类模型，从而针对不同的业务需求能够自适应调整权重值，有效提升了特征学习能力，尽可能挖掘数据隐藏特征，提高了客户数据分类结果的准确性及可靠性。