收藏本站
《合肥工业大学》 2011年
收藏 | 手机打开
二维码
手机客户端打开本文

面向金融营销问题的个性化推荐方法研究

叶红云  
【摘要】:金融营销受到金融企业的高度关注。随着金融领域信息化技术应用的飞速发展,包括网上银行业务的开展,以及数据仓库等技术的应用,如何应用包括个性化推荐在内的数据挖掘技术解决金融营销问题,已成为当前的一个研究热点。 金融营销的核心问题之一就是根据客户的特点,提供符合其个性化需求的金融产品与服务。在金融领域,随着技术与金融业务的迅猛发展,金融产品类型繁多,金融客户历史交易信息等数据量也在急剧增长,客户可能需要花费大量的时间来寻找自己感兴趣的产品。作为解决信息过载问题而产生的一种信息服务技术,个性化推荐系统根据客户的历史行为数据构建兴趣模型,并向其推荐可能感兴趣的信息。同样,该技术也可以引入金融领域以实现金融产品的推荐。 推荐方法是推荐系统的核心,目前研究最多的是基于内容的推荐系统、基于协同过滤的推荐系统。本文将从基于内容和基于协同过滤的两个角度分别对金融营销的个性化推荐方法展开研究。基于内容的金融产品个性化推荐中,内容对应于客户购买的产品信息。基于协同过滤的个性化推荐中,产品的推荐是根据与其有相似兴趣客户对产品的购买情况作出的。为了实现基于内容的个性化推荐,本文根据序列数据项所关联的权重性质不同,提出基于均值约束的序列模式挖掘方法,以及针对变值数据的序列模式挖掘方法。为了实现基于协同过滤的个性化推荐,本文提出了基于客户细分的个性化推荐,以及考虑兴趣漂移情况下的个性化推荐方法。 论文的主要工作和创新点如下: (1)针对基于内容的个性化推荐中,推荐的金融产品需要满足客户收益要求等约束的问题,研究了基于均值约束的序列模式挖掘方法。为推荐符合客户个性化需求的产品,往往会关注客户购买金融产品的模式,尤其是客户贡献度或者客户收益较高的那些金融产品购买序列模式。为此,我们将客户购买产品,即序列数据中的项(item),视为基于内容的个性化推荐中的“内容”,以根据内容相似性(即行为模式相似性)为客户推荐金融产品。同时,利用均值约束表达序列模式需要满足的客户贡献度、或者客户收益等的要求。本文针对均值约束的特性提出了满足度的概念,并基于满足度设计了相应的剪枝策略。在此基础上,设计了基于均值约束的序列模式挖掘算法MPAC。在IBM标准数据生成平台上产生的数据集的实验结果表明,本文提出的剪枝策略是有效的,同时提出的MPAC算法具有良好的性能。 (2)针对基于内容的个性化推荐中,所推荐产品所关联的是变值的问题,研究了适于变值数据的序列模式挖掘方法。在金融产品推荐中,如购买的数量或者购买时间不同所得收益不同。现有的各种算法均不涉及对变值序列数据库的处理。为此,本文首先提出一种针对变值单项的聚集约束ACV(Aggregate Constraint with Varying value items),用于表示序列模式的聚集特征所需满足的约束。其次,设计了一种利用ACV约束对无用序列模式修剪的算法,以迭代方式将初始序列数据库划分为若干序列信息向量,并挖掘满足给定ACV约束的序列模式。在合成数据集和实际数据集上的实验结果表明,本文算法的剪枝策略减少了所需检测的候选序列模式,从而提高了挖掘效率。 (3)针对基于协同过滤的个性化推荐需要识别出与其有相似兴趣客户的问题,研究了基于社团挖掘的金融客户细分方法。针对传统分类方法在解决客户细分时存在的问题,本文提出基于社团挖掘的客户细分方法。该方法既可以通过客户特征相似性,也可以通过行为相似性,建立客户社会网络结构,并针对该网络挖掘得到对应不同客户群体的社团。在标准数据以及金融客户数据上的实验结果表明,本文提出的方法是有效的。 (4)在客户细分基础上,研究在每个客户群中分别进行关联分析,实现基于协同过滤的个性化推荐的方法。关联规则挖掘是解决推荐问题的传统方法之一。然而,金融客户成千上万,每天都可能产生大量的交易数据,由此形成的客户交易数据库规模庞大。如果对其直接进行关联分析,不仅需要过高的时空代价,更主要的是在差异很大的客户群体中直接挖掘关联规则,得到的关联规则缺乏针对性,从而大大降低交叉销售和个性化服务的实施效果。为了解决该问题,本文提出一种基于客户细分金融产品个性化推荐方法。该方法首先根据客户的兴趣和行为特征,将金融客户细分成代表不同兴趣偏好的多个客户群体,然后在各客户群体中分别进行关联分析。该方法不仅能有效降低关联规则挖掘所需的时空代价,而且使得挖掘得到的关联规则更具针对性,从而可有效提高交叉销售和个性化推荐的效果。 (5)针对金融客户对产品兴趣发生变化从而影响推荐效果的问题,研究了考虑兴趣漂移的个性化推荐方法。众所周知,在实际应用中,由于受到各种因素的影响,金融客户的投资兴趣可能会随时间推移而不断变化,即客户兴趣发生了漂移。为此,本文提出一种考虑客户兴趣漂移的图结构推荐算法。该算法首先映射每个客户的评分序列到兴趣序列,并通过兴趣序列对评分项加权。其次,利用基于资源分配的二部图投影算法构建项之间的关联图。最后,利用兴趣加权的评分项构造客户的特征向量并通过在项关联图上进行带重启动的随机游走产生推荐序列。通过在Movielens数据集上与其它一些同类算法的比较验证了算法的有效性。
【学位授予单位】:合肥工业大学
【学位级别】:博士
【学位授予年份】:2011
【分类号】:TP311.13

【引证文献】
中国硕士学位论文全文数据库 前1条
1 严水发;基于Agent的个性化服务平台的应用研究[D];中南大学;2012年
【参考文献】
中国期刊全文数据库 前8条
1 钱明辉;孟捷;;交叉销售视角下企业多元化战略风险研究[J];财经问题研究;2007年01期
2 王春峰;张蕊;房振明;李晔;;高频数据下投资组合风险预测模型比较[J];系统工程;2007年03期
3 阎长顺;李一军;;基于云模型的动态客户细分分类模型研究[J];哈尔滨工业大学学报;2007年02期
4 叶强,邹鹏,尚维;基于多分类器融合的客户细分研究[J];管理科学;2004年02期
5 韩华;王娟;王慧;;改进的CNM算法对加权网络社团结构的划分[J];计算机工程与应用;2010年35期
6 董泽坤;李辉;史忠植;;多元时间序列中跨事务关联规则分析的高效处理算法[J];计算机科学;2004年03期
7 闵惜琳;;基于数据挖掘的电子商务网站个性化营销实现研究[J];商场现代化;2007年23期
8 刘建国;周涛;汪秉宏;;个性化推荐系统的研究进展[J];自然科学进展;2009年01期
中国博士学位论文全文数据库 前3条
1 肖辉;时间序列的相似性查询与异常检测[D];复旦大学;2005年
2 黄超;基于特征分析的金融时间序列挖掘若干关键问题研究[D];复旦大学;2005年
3 汤俊;基于可疑金融交易识别的离群模式挖掘研究[D];武汉理工大学;2007年
中国硕士学位论文全文数据库 前3条
1 邢留伟;K-Means算法在客户细分中的应用研究[D];西南财经大学;2007年
2 郑宇泉;时间序列挖掘方法及在投资组合中的应用[D];厦门大学;2007年
3 王保义;客户关系管理中客户细分的数据挖掘研究[D];西安电子科技大学;2009年
【共引文献】
中国期刊全文数据库 前10条
1 王永梅;胡学钢;;决策树中ID3算法的研究[J];安徽大学学报(自然科学版);2011年03期
2 杨绪兵,韩自存;ε不敏感的核Adaline算法及其在图像去噪中的应用[J];安徽工程科技学院学报(自然科学版);2003年04期
3 陶秀凤,唐诗忠,周鸣争;基于支持向量机的软测量模型及应用[J];安徽工程科技学院学报(自然科学版);2004年02期
4 叶明全;;数据挖掘在医疗数据中的应用[J];安徽工程科技学院学报(自然科学版);2007年03期
5 廖燕玲;;模糊聚类技术在甘蔗种植户信息分析中的应用[J];安徽农业科学;2007年28期
6 贾泽露;;基于GIS与SDM集成的农用地定级专家系统[J];安徽农业科学;2008年14期
7 许高程;张文君;王卫红;;支持向量机技术在遥感影像滑坡体提取中的应用[J];安徽农业科学;2009年06期
8 陈志民;李亭;杨敬锋;彭晓琴;;融入监督信息的k-mean聚类瓜蓟马预警模型[J];安徽农业科学;2009年30期
9 郭立萍;唐家奎;米素娟;张成雯;赵理君;;基于支持向量机遥感图像融合分类方法研究进展[J];安徽农业科学;2010年17期
10 蔡丽艳;冯宪彬;丁蕊;;基于决策树的农户小额贷款信用评估模型研究[J];安徽农业科学;2011年02期
中国重要会议论文全文数据库 前10条
1 叶红云;倪志伟;陈恩红;;一种混合型集成学习演化决策树算法[A];2005年“数字安徽”博士科技论坛论文集[C];2005年
2 ;An effective procedure exploiting unlabeled data to build monitoring system[A];中国科学院地质与地球物理研究所第11届(2011年度)学术年会论文集(下)[C];2012年
3 ;A Novel Kernel PCA Support Vector Machine Algorithm with Feature Transition Function[A];第二十六届中国控制会议论文集[C];2007年
4 ;A Novel Proximal Support Vector Machine and Its Application in Radar Target Recognition[A];第二十六届中国控制会议论文集[C];2007年
5 ;A Hypergraph Model for Clustering Scale-free Network[A];第二十七届中国控制会议论文集[C];2008年
6 ;Fault Pattern Recognition of Rolling Bearings Based on Wavelet Packet and Support Vector Machine[A];第二十七届中国控制会议论文集[C];2008年
7 ;Learning Algorithm of Decision Tree Generation for Continuous-valued Attribute[A];第二十九届中国控制会议论文集[C];2010年
8 高琪;辛乐;;基于用户偏好度模型和情感计算的产品推荐算法[A];第二十九届中国控制会议论文集[C];2010年
9 ;State Estimation Model of Ferment Process Based on PSO[A];第二十九届中国控制会议论文集[C];2010年
10 常俊林;魏巍;梁君燕;;基于支持向量机的SURF改进算法[A];中国自动化学会控制理论专业委员会C卷[C];2011年
中国博士学位论文全文数据库 前10条
1 殷志伟;基于统计学习理论的分类方法研究[D];哈尔滨工程大学;2009年
2 孔凡芝;引线键合视觉检测关键技术研究[D];哈尔滨工程大学;2009年
3 倪丽萍;基于分形技术的金融数据分析方法研究[D];合肥工业大学;2010年
4 郑大腾;柔性坐标测量机空间误差模型及最佳测量区研究[D];合肥工业大学;2010年
5 张明;电能质量扰动相关问题研究[D];华中科技大学;2010年
6 张昌明;新疆汉族、维吾尔族及哈萨克族食管癌血清蛋白质指纹图谱研究[D];新疆医科大学;2010年
7 王晓明;基于统计学习的模式识别几个问题及其应用研究[D];江南大学;2010年
8 吴学雁;金融时间序列模式挖掘方法的研究[D];华南理工大学;2010年
9 刘卫红;垃圾邮件检测与过滤关键技术研究[D];华南理工大学;2010年
10 杨树忠;复杂网络中的社团检测问题研究[D];北京交通大学;2009年
中国硕士学位论文全文数据库 前10条
1 苏延森;刺激下拟南芥基因逻辑网络构建与分析[D];山东科技大学;2010年
2 李金华;基于SVM的多类文本分类研究[D];山东科技大学;2010年
3 朱耿峰;支持向量机在冲击地压预测模型中的应用研究[D];山东科技大学;2010年
4 岳海亮;信息论在粗糙集连续属性离散化中的应用[D];辽宁师范大学;2010年
5 李朋勇;基于全矢高阶谱的故障诊断方法及其应用研究[D];郑州大学;2010年
6 刘磊;多泥沙河流水库优化调度研究[D];郑州大学;2010年
7 辛保兵;既有预应力混凝土梁桥剩余承载力评估方法研究[D];郑州大学;2010年
8 王巧立;微生物发酵过程的建模与优化控制研究[D];郑州大学;2010年
9 周驰;数据流上概念漂移的检测和分类[D];郑州大学;2010年
10 林天威;基于视频流的人脸识别系统研究[D];哈尔滨工程大学;2010年
【同被引文献】
中国期刊全文数据库 前10条
1 邢春晓;高凤荣;战思南;周立柱;;适应用户兴趣变化的协同过滤推荐算法[J];计算机研究与发展;2007年02期
2 余腊生;洪飞;李昆;Ronald Muyende;;基于Agent的网络教学模型[J];计算机与信息技术;2006年03期
3 张国忠;遗忘规律的探索与运用[J];继续教育研究;2002年06期
4 李克潮;梁正友;;适应用户兴趣变化的指数遗忘协同过滤算法[J];计算机工程与应用;2011年13期
5 郑先荣;曹先彬;;线性逐步遗忘协同过滤算法的研究[J];计算机工程;2007年06期
6 费洪晓;戴弋;穆珺;黄勤径;罗桂琼;;基于优化时间窗的用户兴趣漂移方法[J];计算机工程;2008年16期
7 杨怀珍;丛晓琪;刘枚莲;;基于时间加权的个性化推荐算法研究[J];计算机工程与科学;2009年06期
8 田谦益;陈倩婧;;一种基于遗忘理论的信念收缩方法[J];计算机工程与科学;2010年05期
9 熊馨,王卫平,叶跃祥;基于概念分层的个性化推荐算法[J];计算机应用;2005年05期
10 王岚;翟正军;;基于时间加权的协同过滤算法[J];计算机应用;2007年09期
中国硕士学位论文全文数据库 前9条
1 吴高;基于数据挖掘的商品资讯投送平台研究与实现[D];电子科技大学;2011年
2 张燕蓟;基于访问日志的聚类分析和个性化推荐应用研究[D];南京大学;2011年
3 代其锋;基于电子商务的个性化推荐研究[D];中国科学技术大学;2011年
4 翟悦;改进的关联规则挖掘算法在个性化推荐系统中应用[D];大连交通大学;2008年
5 吴兰兰;基于遗传学方法的个性化推荐技术研究[D];沈阳航空工业学院;2010年
6 左晨;Agent技术在信息平台个性化服务中的应用研究[D];北京交通大学;2010年
7 王小亮;基于协同过滤的个性化推荐算法的优化和应用[D];浙江工商大学;2010年
8 高建煌;个性化推荐系统技术与应用[D];中国科学技术大学;2010年
9 高丽芝;基于本体的个性化信息推荐系统研究[D];郑州大学;2010年
【二级参考文献】
中国期刊全文数据库 前10条
1 殷孟波;金融产品的个人需求及市场细分[J];财经科学;2004年S1期
2 庄新田;闵志锋;陈师阳;;上海证券市场的复杂网络特性分析[J];东北大学学报(自然科学版);2007年07期
3 李斌,谭立湘,章劲松,庄镇泉;面向数据挖掘的时间序列符号化方法研究[J];电路与系统学报;2000年02期
4 陈骏武;基于数据挖掘的电信交叉销售研究[J];大众科技;2005年11期
5 徐志春,肖伟平,何宏;数据开采技术在反洗钱系统中的应用[J];湖南工程学院学报(自然科学版);2003年03期
6 李德毅;知识表示中的不确定性[J];中国工程科学;2000年10期
7 李德毅,刘常昱;论正态云模型的普适性[J];中国工程科学;2004年08期
8 高红兵,潘瑾,陈宏民;我国证券市场混沌的判据[J];系统工程;2000年06期
9 刘英姿;吴昊;;客户细分方法研究综述[J];管理工程学报;2006年01期
10 吕巍,蒋波,陈洁;基于K-means算法的中国移动市场顾客行为细分策略研究[J];管理学报;2005年01期
中国博士学位论文全文数据库 前7条
1 杨风召;高维数据挖掘中若干关键问题的研究[D];复旦大学;2003年
2 马赓宇;基于HMM的时间序列聚类与识别[D];清华大学;2004年
3 兰秋军;金融时间序列隐含模式挖掘方法及其应用研究[D];湖南大学;2005年
4 席剑辉;混沌时间序列的长期预测方法研究[D];大连理工大学;2005年
5 肖辉;时间序列的相似性查询与异常检测[D];复旦大学;2005年
6 沈菲;经济系统中的随机分岔与混沌现象研究[D];天津大学;2005年
7 卜东波;聚类/分类理论研究及其在文本挖掘中的应用[D];中国科学院研究生院(计算技术研究所);2000年
中国硕士学位论文全文数据库 前10条
1 焦瑾;基于数据挖掘的商业银行个人客户细分系统分析与设计[D];西南财经大学;2003年
2 张焱;知识发现在金融反洗钱领域中的应用研究[D];合肥工业大学;2004年
3 叶蕾;数据挖掘在电信客户细分领域的应用[D];昆明理工大学;2004年
4 宋博;基于GARCH模型的VaR计算[D];南京理工大学;2004年
5 程照星;数据挖掘在电信企业客户细分中的应用[D];重庆大学;2004年
6 汪亚鸥;论电信客户细分模型的建设[D];四川大学;2004年
7 徐正国;金融市场高频/超高频时间序列的分析、建模与应用[D];天津大学;2004年
8 田宏钟;基于数据挖掘的证券业客户关系管理中的客户细分研究[D];东华大学;2005年
9 谷赫;时间序列的数据挖掘在证券预测分析中的应用研究[D];吉林大学;2005年
10 陆声链;孤立点挖掘及其内涵知识发现的研究与应用[D];广西师范大学;2005年
【相似文献】
中国期刊全文数据库 前10条
1 高鹏,高岭,王峥,胡青山;基于Web挖掘的个性化算法及其在网络教学平台的应用[J];计算机应用;2005年05期
2 赵晓岚;张招杰;;数字化图书馆个性化推荐研究与实例[J];科技情报开发与经济;2011年23期
3 刘旭东;葛俊杰;;基于关联规则的个性化推荐在数字图书馆中的应用研究[J];德州学院学报;2010年02期
4 陈雪刚;杨磊;;一种支持个性化Web推荐的聚类分析[J];计算技术与自动化;2010年01期
5 霍亮;杨柳;张俊芝;;客户行为的Web挖掘及个性化推荐[J];河北大学成人教育学院学报;2009年04期
6 王立平;刘艳玲;;基于Web挖掘的个性化推荐系统的设计[J];萍乡高等专科学校学报;2009年06期
7 梁英;;电子商务个性化推荐技术研究[J];商场现代化;2007年26期
8 何振;陈龙辉;廖东方;刘杰;;OTA系统中的个性化应用推荐系统研究[J];电信科学;2007年06期
9 刘晨晨;蒋国银;;基于DMA的时间序列模式下顾客行为的个性化推荐[J];计算机应用;2007年11期
10 夏同胜;杜习英;;Web使用挖掘在电子商务中的应用研究[J];电脑知识与技术(学术交流);2006年36期
中国重要会议论文全文数据库 前10条
1 冯时;阳峰;王大玲;于戈;;基于虚拟观点社群的用户个性化推荐[A];第六届全国信息检索学术会议论文集[C];2010年
2 朱辉生;李存华;;序列模式挖掘的研究与实现[A];第二十一届中国数据库学术会议论文集(技术报告篇)[C];2004年
3 吴雯雯;王浩;杨静;;基于用户访问模式的个性化推荐算法研究[A];第六届全国信息获取与处理学术会议论文集(3)[C];2008年
4 林丽冰;师瑞峰;周一民;李月雷;;基于双聚类的协同过滤推荐算法[A];2008'中国信息技术与应用学术论坛论文集(一)[C];2008年
5 左万利;刘居红;;包含正负属性的关联规则及其挖掘[A];第十六届全国数据库学术会议论文集[C];1999年
6 王宁;董淳;胡运发;陶晓鹏;;面向集合的关联规则挖掘算法[A];第十五届全国数据库学术会议论文集[C];1998年
7 李阳;徐锡山;韩伟红;郑黎明;徐镜湖;;网络安全事件关联规则的自动化生成方法研究与实践[A];全国计算机安全学术交流会论文集·第二十五卷[C];2010年
8 刘晋;王潜平;房坤;;基于agent技术和反馈机制的个性化推荐方法研究与设计[A];第二届和谐人机环境联合学术会议(HHME2006)——第2届中国人机交互学术会议(CHCI'06)论文集[C];2006年
9 周焕银;张永;;关联规则候选项频度规律研究[A];第二十届全国数据库学术会议论文集(技术报告篇)[C];2003年
10 方艳;别荣芳;;关联规则的有趣性研究[A];第二十一届中国数据库学术会议论文集(技术报告篇)[C];2004年
中国重要报纸全文数据库 前10条
1 商报记者 金朝力;当当布局手机购物战略[N];北京商报;2011年
2 安吉;卓越亚马逊2007年为用户省钱数亿[N];科技日报;2008年
3 国防科技大学计算机学院 应晓敏 窦文华;古老概念的凤凰涅槃[N];计算机世界;2003年
4 应晓敏 窦文华;条条道路通罗马[N];计算机世界;2003年
5 李新;卓越更名“卓越亚马逊”[N];中国新闻出版报;2007年
6 孙琎;想听音乐就啃“苹果”[N];第一财经日报;2008年
7 应晓敏 窦文华;技术架构[N];计算机世界;2003年
8 卓越亚马逊公关总监 高超;B2C发展空间大 用户体验是重点[N];中国电子报;2008年
9 张学琦;卓越亚马逊:国际赢利模式期待延续[N];中国电子报;2008年
10 惠琳;数据挖掘 提升核心竞争力[N];首都建设报;2009年
中国博士学位论文全文数据库 前10条
1 叶红云;面向金融营销问题的个性化推荐方法研究[D];合肥工业大学;2011年
2 刘蓓琳;电子商务用户个性化推荐技术接受影响因素研究[D];中国矿业大学(北京);2009年
3 易明;基于Web挖掘的电子商务个性化推荐机理与方法研究[D];华中科技大学;2006年
4 杨钤雯;序列模式挖掘方法及Web使用挖掘研究[D];天津大学;2010年
5 谢飞;带有通配符的序列模式挖掘研究[D];合肥工业大学;2011年
6 邓晓懿;移动电子商务个性化服务推荐方法研究[D];大连理工大学;2012年
7 张富国;基于信任的电子商务个性化推荐关键问题研究[D];江西财经大学;2009年
8 刘维;生物序列模式挖掘与识别算法的研究[D];南京航空航天大学;2010年
9 宋世杰;基于序列模式挖掘的误用入侵检测系统及其关键技术研究[D];国防科学技术大学;2005年
10 史旻昱;基于RSS的个性化网络广告推荐系统研究[D];华中科技大学;2008年
中国硕士学位论文全文数据库 前10条
1 秦凤蕊;个性化推荐技术研究及在数字图书馆中的应用[D];长春理工大学;2010年
2 蔡宏果;基于基因表达式编程的Web个性化推荐技术研究[D];广西师范学院;2010年
3 王双明;基于XML及关联规则的个性化推荐技术研究[D];重庆大学;2010年
4 张迎峰;面向数字图书馆的个性化推荐算法研究[D];中国科学技术大学;2011年
5 黄琴;Web数据挖掘的研究及其在网络学习个性化推荐中的应用[D];湖南大学;2004年
6 苗静;基于扩展邻居与语义树的个性化推荐算法研究[D];大连理工大学;2010年
7 章月兵;图书馆用户的多媒体资源使用行为分析[D];南京师范大学;2008年
8 刘继庆;基于相关度和关联属性偏好的个性化推荐算法研究[D];大连理工大学;2011年
9 丁一;基于Web挖掘的个性化推荐服务研究[D];华中科技大学;2004年
10 刘芳先;电子商务个性化推荐算法设计与实现[D];江苏大学;2010年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026