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.
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.
[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. (
