基于Hadoop的零售银行客户精准分类模型的研究与应用
发布时间：2020-12-23 10:54
随着新时代金融市场的改革进步及互联网科技的创新性应用,我国商业银行呈现着一日千里的繁荣势态,但同时也面临着前所未有的挑战与考验。在当前开放化及多元化的竞争格局中,如何不断提高银行的竞争力,成为银行业最为关注的焦点。零售银行业务作为银行业务的重要组成部分正在快速发展,逐步成为银行利润的重要来源。当前我国居民投资理财意识逐渐觉醒,对个人资产的处理需求趋向于多元化,这为零售银行业务的发展带来了新的机遇。在当前客户需求多元化的形势下,通过对客户进行细分,了解不同客户的不同需求,为客户提供差异化服务是银行吸引客户的重要手段之一。为建立一个更为精准的零售银行客户分类模型,本文主要进行了如下工作:(1)对当前零售银行客户分类方法进行了深入研究,提出了一种基于客户价值和业务种类的二维分类规则。当前针对零售银行客户的分类主要是在客户价值或客户忠诚度单一维度进行分类,这种分类只能预测一个客户的价值或忠诚度,却不能预测该客户对哪个种类的业务更感兴趣。本文提出的基于客户价值和业务种类的二维分类规则,在客户价值维度将客户分为目标潜力类、金卡类、白金卡类、私人银行类四类,在业务种类维度根据零售银行业务特点分为偏资...
【文章来源】：浙江理工大学浙江省
【文章页数】：55 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 选题的背景与意义
1.2 现状研究
1.2.1 Hadoop技术的应用研究现状
1.2.2 零售银行客户分类研究现状
1.2.3 基于决策树算法的客户分类研究现状
1.3 本文主要研究内容
1.4 论文组织结构
第二章 相关理论介绍
2.1 数据挖掘概念及过程
2.2 基于粗糙集理论的属性约简算法
2.2.1 粗糙集理论概述
2.2.2 属性约简算法介绍
2.3 基于CAIM准则的数据离散化方法
2.3.1 CAIM准则概述
2.3.2 基于CAIM准则的数据离散化算法介绍
2.4 本章小结
第三章 C4.5 算法及其改进算法
3.1 决策树算法概述
3.2 ID3算法
3.3 C4.5 算法
3.4 一种改进的C4.5 算法
3.5 本章小结
第四章 零售银行客户精准分类模型构建
4.1 零售银行客户二维分类规则
4.2 零售银行客户数据介绍
4.3 零售银行客户精准分类模型构建
4.3.1 数据离散化处理
4.3.2 属性约简
4.3.3 构建决策树分类模型
4.4 本章小结
第五章 基于Hadoop平台的零售银行客户精准分类模型
5.1 Hadoop平台介绍
5.1.1 Hadoop生态系统简介
5.1.2 HDFS简介
5.1.3 MapReduce框架简介
5.2 Hadoop平台搭建
5.3 模型构建算法并行化
5.3.1 基于互信息的属性约简算法的并行化
5.3.2 根据信息增益率构建决策树算法的并行化
5.4 本章总结
第六章 总结与展望
6.1 论文工作总结
6.2 下一步工作展望
参考文献
致谢
攻读学位期间的研究成果
【参考文献】：
期刊论文
[1]互联网金融冲击下银行个人客户分类管理研究[J]. 韩宏稳. 哈尔滨工业大学学报(社会科学版). 2017(03)
[2]C4.5算法的优化[J]. 黄秀霞,孙力. 计算机工程与设计. 2016(05)
[3]一种基于粗糙集属性约简的C4.5算法[J]. 曹艳,殷旭. 北京信息科技大学学报(自然科学版). 2014(06)
[4]基于决策树的银行客户分类算法研究[J]. 郑秀仙. 江苏科技信息. 2014(03)
[5]MapReduce框架下并行知识约简算法模型研究[J]. 钱进,苗夺谦,张泽华,张志飞. 计算机科学与探索. 2013(01)
[6]新形势下我国零售银行业务发展探析[J]. 李庆萍. 银行家. 2011(10)
[7]一种基于类别属性关联程度最大化离散算法[J]. 杨萍,杨天社,杜小宁,李济生,黄永宣. 控制与决策. 2011(04)
[8]一种改进的C4.5算法及实验分析[J]. 刘佳,王新伟. 计算机应用与软件. 2008(12)
[9]战略调整:中国商业银行发展的路径选择[J]. 马蔚华. 经济学家. 2005(01)
[10]CRM中的客户分类管理[J]. 张兰霞,吴国华. 东北大学学报(社会科学版). 2003(02)
博士论文
[1]智能技术在金融市场溢出效应和反洗钱中的应用研究[D]. 汪素南.浙江大学 2007
硕士论文
[1]基于数据挖掘的银行客户分类模型研究[D]. 赵金涛.重庆大学 2009
[2]市场细分在邮政客户关系管理系统中的应用[D]. 张旭.北京邮电大学 2008
[3]决策树算法的研究及应用[D]. 王斌.东华大学 2008
[4]决策树分类算法优化研究[D]. 陈沛玲.中南大学 2007
[5]分类回归树及其在个人信用评估中的应用[D]. 陈燕燕.中南大学 2007
[6]决策树学习及其剪枝算法研究[D]. 王黎明.武汉理工大学 2007
[7]数据挖掘分类算法在CRM中的研究[D]. 姜金贵.哈尔滨工程大学 2005
本文编号：2933595
【文章来源】：浙江理工大学浙江省
【文章页数】：55 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 选题的背景与意义
1.2 现状研究
1.2.1 Hadoop技术的应用研究现状
1.2.2 零售银行客户分类研究现状
1.2.3 基于决策树算法的客户分类研究现状
1.3 本文主要研究内容
1.4 论文组织结构
第二章 相关理论介绍
2.1 数据挖掘概念及过程
2.2 基于粗糙集理论的属性约简算法
2.2.1 粗糙集理论概述
2.2.2 属性约简算法介绍
2.3 基于CAIM准则的数据离散化方法
2.3.1 CAIM准则概述
2.3.2 基于CAIM准则的数据离散化算法介绍
2.4 本章小结
第三章 C4.5 算法及其改进算法
3.1 决策树算法概述
3.2 ID3算法
3.3 C4.5 算法
3.4 一种改进的C4.5 算法
3.5 本章小结
第四章 零售银行客户精准分类模型构建
4.1 零售银行客户二维分类规则
4.2 零售银行客户数据介绍
4.3 零售银行客户精准分类模型构建
4.3.1 数据离散化处理
4.3.2 属性约简
4.3.3 构建决策树分类模型
4.4 本章小结
第五章 基于Hadoop平台的零售银行客户精准分类模型
5.1 Hadoop平台介绍
5.1.1 Hadoop生态系统简介
5.1.2 HDFS简介
5.1.3 MapReduce框架简介
5.2 Hadoop平台搭建
5.3 模型构建算法并行化
5.3.1 基于互信息的属性约简算法的并行化
5.3.2 根据信息增益率构建决策树算法的并行化
5.4 本章总结
第六章 总结与展望
6.1 论文工作总结
6.2 下一步工作展望
参考文献
致谢
攻读学位期间的研究成果
【参考文献】：
期刊论文
[1]互联网金融冲击下银行个人客户分类管理研究[J]. 韩宏稳. 哈尔滨工业大学学报(社会科学版). 2017(03)
[2]C4.5算法的优化[J]. 黄秀霞,孙力. 计算机工程与设计. 2016(05)
[3]一种基于粗糙集属性约简的C4.5算法[J]. 曹艳,殷旭. 北京信息科技大学学报(自然科学版). 2014(06)
[4]基于决策树的银行客户分类算法研究[J]. 郑秀仙. 江苏科技信息. 2014(03)
[5]MapReduce框架下并行知识约简算法模型研究[J]. 钱进,苗夺谦,张泽华,张志飞. 计算机科学与探索. 2013(01)
[6]新形势下我国零售银行业务发展探析[J]. 李庆萍. 银行家. 2011(10)
[7]一种基于类别属性关联程度最大化离散算法[J]. 杨萍,杨天社,杜小宁,李济生,黄永宣. 控制与决策. 2011(04)
[8]一种改进的C4.5算法及实验分析[J]. 刘佳,王新伟. 计算机应用与软件. 2008(12)
[9]战略调整:中国商业银行发展的路径选择[J]. 马蔚华. 经济学家. 2005(01)
[10]CRM中的客户分类管理[J]. 张兰霞,吴国华. 东北大学学报(社会科学版). 2003(02)
博士论文
[1]智能技术在金融市场溢出效应和反洗钱中的应用研究[D]. 汪素南.浙江大学 2007
硕士论文
[1]基于数据挖掘的银行客户分类模型研究[D]. 赵金涛.重庆大学 2009
[2]市场细分在邮政客户关系管理系统中的应用[D]. 张旭.北京邮电大学 2008
[3]决策树算法的研究及应用[D]. 王斌.东华大学 2008
[4]决策树分类算法优化研究[D]. 陈沛玲.中南大学 2007
[5]分类回归树及其在个人信用评估中的应用[D]. 陈燕燕.中南大学 2007
[6]决策树学习及其剪枝算法研究[D]. 王黎明.武汉理工大学 2007
[7]数据挖掘分类算法在CRM中的研究[D]. 姜金贵.哈尔滨工程大学 2005
本文编号：2933595
本文链接：https://www.wllwen.com/guanlilunwen/kehuguanxiguanli/2933595.html
