基于信息熵的商业银行客户画像属性约简研究

doi:10.3969/j.issn.1000-1565.2022.01.014

河北大学学报(自然科学版) ›› 2022, Vol. 42 ›› Issue (1): 98-104.DOI: 10.3969/j.issn.1000-1565.2022.01.014

基于信息熵的商业银行客户画像属性约简研究

张宇敬,王柳,齐晓娜,许美玲,王蕾

收稿日期:2021-01-22 发布日期:2022-02-22
作者简介:张宇敬(1966—),女,河北徐水人,河北金融学院教授,主要从事数据库技术、数据挖掘、金融信息化方向研究.
E-mail:747595008@qq.com
基金资助:
河北省教育厅科技重点项目(ZD2019136);河北省教育厅科技青年基金资助项目(QN2019186);河北省高校智慧金融应用技术研发中心资助项目(XGZJ2021013C)

Attribute reduction of commercial bank customer portrait based on information entropy

ZHANG Yujing, WANG Liu, QI Xiaona, XU Meiling, WANG Lei

School of Computer and Information Engineering, Hebei Finance University, Baoding 071000, China

Received:2021-01-22 Published:2022-02-22

摘要/Abstract

摘要： 客户画像是商业银行近年来的研究热点,从高维复杂的客户数据中筛选出有效属性是客户画像中的关键问题.为解决商业银行客户画像过程中,由于银行客户数据维度较高,难以实现精准画像的问题,在对客户数据进行聚类分析的基础上,结合粗糙集理论和信息熵理论,对商业银行投资客户画像属性进行了约简,并提出了属性约简算法,结果表明,该算法能够对银行客户画像数据进行有效约简,可以为属性筛选提供依据.

关键词: 客户画像, 聚类, 信息熵, 属性约简

Abstract: Customer portrait is a hot topic in commercial banks. One core issue of customer portrait is to select effective attributes from high-dimensional and complex customer data. The high-dimensional data makes it challenging to conduct customer portrait accurately. Based on the clustering analysis of customer data, we combine the rough set theory and information entropy to study the attribute reduction of customer portraits in commercial banks, and propose the attribute reduction algorithm. The experimental results show that the proposed method can obtain the optimal attribute reduction of customer portrait and can provide a basis for attribute selection.

Key words: customer portrait, cluster, information entropy, attribute reduction

中图分类号:

TP391

张宇敬,王柳,齐晓娜,许美玲,王蕾. 基于信息熵的商业银行客户画像属性约简研究[J]. 河北大学学报(自然科学版), 2022, 42(1): 98-104.

ZHANG Yujing, WANG Liu, QI Xiaona, XU Meiling, WANG Lei. Attribute reduction of commercial bank customer portrait based on information entropy[J]. Journal of Hebei University(Natural Science Edition), 2022, 42(1): 98-104.

参考文献

[1] 云佳祺.智能投顾助力商业银行理财业务转型[J].银行家,2019(6):83-85.DOI: 10.3969/j.issn.1671-1238.2019.06.033.
[2] 马晓冬.基于银行客户数据分析的用户画像系统设计与实现[D].成都:电子科技大学,2020.
[3] 任昱衡,姜斌,李倩星,等.数据挖掘你必须知道的32个经典案例[M].北京:电子工业出版社,2016.
[4] 马捷,葛岩,蒲泓宇.属性约简方法研究综述[J].数据分析与知识发现,2020,4(1):40-50. DOI:10.11925/infotech.2096-3467.2018.1278.
[5] 张晨,朱卫东,杨善林.基于信息熵的商业银行操作风险多属性评价方法研究[J].预测,2007(5):55-58.
[6] 王曼怡,薛路遥.基于信息熵的我国银行同业业务流动性风险研究[J].国际经济合作,2015(12):83-86.
[7] 杜光辉,谷晓飞.粗糙集理论在商业银行全面风险评估中的应用——基于我国16家上市银行的实证研究[J].经济研究参考,2015(22):83-90. DOI: 10.16110/j.cnki.issn2095-3151.2015.22.011.
[8] 马若微.基于粗糙集与信息熵的上市公司财务困境预警指标的确立[J].当代经济科学,2005(2):45-50.
[9] 毛太田,肖锎,邹凯.一种基于粗糙集条件信息熵的多指标综合评价方法研究[J].统计研究,2014,31(7):92-96.
[10] 潘瑞林,李园沁,张洪亮,等.基于α信息熵的模糊粗糙属性约简方法[J].控制与决策,2017,32(2):340-348.
[11] 翟俊海,刘博,张素芳.基于粗糙集相对分类信息熵和粒子群优化的特征选择方法[J].智能系统学报,2017,12(3):397-404.
[12] 张启明,陆建华,徐建栋,等.基于朴素贝叶斯算法的客户画像分析[J].无线互联科技,2020,17(1):122-125.
[13] 袁亚光.基于金融大数据的客户风险评估及预测[D].北京:北京邮电大学,2018.
[14] ABDOLRAZZAGH-NEZHAD M. Enhanced cultural algorithm to solve multi-objective attribute reduction based on rough set theory [J]. Mathematics and Computers in Simulation, 2020, 170:332-350.
[15] 刘盾.基于粗糙集理论的多属性决策方法[D]. 成都:西南交通大学, 2010.
[16] 陈媛,杨栋.基于信息熵的属性约简算法及应用[J].重庆理工大学学报,2013, 27(1):42-46. DOI:10.3969/j.issn.1674-8425(z).2013.01.009.
[17] ZDZISLAW PAWLAK. Rough set theory and its applications to data analysis[J]. Journal of Cybernetics, 1998, 29(7):661-688.
[18] JIA X, LIAO W, TANG Z, et al. Minimum cost attribute reduction in decision-theoretic rough set models[J]. Information Sciences, 2013, 219(1):151-167.
[19] 吴尚智,苟平章.粗糙集和信息熵的属性约简算法及其应用[J].计算机工程,2011, 37(7):56-58. DOI:10.3969/j.issn.1000-3428.2011.07.019.
[20] 胡清华,于达仁,谢宗霞.基于邻域粒化和粗糙逼近的数值属性约简[J].软件学报,2008, 19(3):640-649. (

基于信息熵的商业银行客户画像属性约简研究

Attribute reduction of commercial bank customer portrait based on information entropy

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	张建,卢凯,石晶,郭怀忠. 多糖部分降解产物在板蓝根颗粒多糖成分分析中的应用[J]. 河北大学学报(自然科学版), 2021, 41(1): 40-46.
[2]	翟俊海, 田石, 张素芳, 王谟瀚, 宋丹丹. 基于MapReduce和Spark的大数据模糊K-means算法比较[J]. 河北大学学报(自然科学版), 2020, 40(4): 433-440.
[3]	毛华, 赵书峰. 最小相关性最大依赖度属性约简的改进算法[J]. 河北大学学报(自然科学版), 2019, 39(3): 225-229.
[4]	齐晓娜, 王佳,徐东升, 张宇敬, 郭佳,刘阳. 基于改进的k-means差分隐私保护方法在位置隐私保护中的应用[J]. 河北大学学报(自然科学版), 2018, 38(3): 315-320.
[5]	李凯,翟璐璐,崔丽娟. 基于样本权重的v -支持向量机[J]. 河北大学学报(自然科学版), 2018, 38(2): 185-193.
[6]	高学伟,付忠广,孙力,张刚. 基于Hadoop分布式支持向量机球磨机大数据建模[J]. 河北大学学报(自然科学版), 2017, 37(3): 309-315.
[7]	李琮,袁方,刘宇,李欣雨. 基于LDA模型和T-OPTICS算法的中文新闻话题检测[J]. 河北大学学报(自然科学版), 2016, 36(1): 106-112.
[8]	毛华,康然. 概念格理论发展分析[J]. 河北大学学报(自然科学版), 2015, 35(6): 667-672.
[9]	王光磊,苑昊,魏帅,时亚松,刘秀玲. 基于区域生长和聚类的主动脉CTA图像序列分割算法[J]. 河北大学学报(自然科学版), 2015, 35(6): 644-650.
[10]	哈艳,杜瑞忠,钟莲,张东琦,李森. 一种改进的网络突发话题检测算法[J]. 河北大学学报(自然科学版), 2015, 35(5): 526-531.
[11]	李凯,王亮,周宇飞. 基于偶对约束和马氏距离的半监督模糊聚类算法[J]. 河北大学学报(自然科学版), 2014, 34(5): 535-540.
[12]	张群峰,张天一. 基于宽松下近似概念的连续型决策表的属性约简方法[J]. 河北大学学报(自然科学版), 2013, 33(4): 337-341.
[13]	李昆仑,王哲,张娟,武倩,宋嵩. 基于ELM集成和半监督聚类的SNS隐私保护[J]. 河北大学学报(自然科学版), 2013, 33(1): 84-89.
[14]	翟俊海,张素芳,徐正夫,王熙照. 粗糙集与决策树比较研究[J]. 河北大学学报(自然科学版), 2012, 32(4): 421-428.
[15]	邓佳佳,刘爽. 基于免疫模糊聚类的LSSVM在短期负荷预测中的应用[J]. 河北大学学报(自然科学版), 2012, 32(3): 234-239.