信用卡推荐方法和装置与流程

1.本发明涉及大数据技术领域，尤其涉及一种信用卡推荐方法和装置。


背景技术：

2.现有的信用卡推荐一般使用银行线下柜台推荐、联名信用卡的合作商家推荐、雇佣推销人员进行推荐等方式。这种信用卡推荐模式往往采取“遍地撒网”的模式，导致推销成本高，成功率低，并且很难真正满足用户的需求。


技术实现要素：

3.有鉴于此，本发明提供一种信用卡推荐方法和装置，以解决上述提及的至少一个问题。
4.为了实现上述目的，本发明采用以下方案：
5.根据本发明的第一方面，提供一种信用卡推荐方法，所述方法包括：对银行客户进行复杂网络建模，获得客户图结构，所述客户图结构的节点表示客户，边表示客户间关系；基于双向亲密度的节点关联关系函数在所述客户图结构中进行标签传播；将拥有同一个标签的节点划分至同一个社区；基于社区划分结果在对应社区内进行信用卡推荐。
6.作为本发明的一个实施例，上述方法中基于双向亲密度的节点关联关系函数在所述客户图结构中进行标签传播之前，所述方法还包括：按照所述客户图结构中节点的度数进行降序排序。
7.作为本发明的一个实施例，上述方法中双向亲密度节点关联关系函数为：
[0008][0009]
上式中，q表示节点双向亲密度，γ(u)表示节点u及其邻居节点的集合，γ(v)表示节点v及其邻居节点的集合。
[0010]
作为本发明的一个实施例，上述方法中基于双向亲密度的节点关联关系函数在所述客户图结构中进行标签传播包括：初始化客户图结构中的节点，为每个节点赋予一个单独的标签；遍历降序排序的节点序列，在遍历当前节点时寻找当前节点的邻居节点中相同标签数目最多的标签作为当前节点的标签，若数目最多的标签不唯一，则计算数目最多的标签所在节点与当前节点之间的双向亲密度q，对同一标签内的q求和，取q求和值最大的标签作为当前节点的标签；重复遍历降序排序的节点序列直至每个节点的当前标签均为其邻居节点中数量最多的标签。
[0011]
作为本发明的一个实施例，上述方法中若q求和后，不同标签的q求和值仍然相同，则随机选取一个q求和值最大的标签作为当前节点的标签。
[0012]
作为本发明的一个实施例，上述方法中基于社区划分结果在对应社区内进行信用卡推荐包括：在同一社区内统计客户的信用卡开卡信息，获取最受欢迎的信用卡卡种，基于所述最受欢迎的信用卡卡种向该同一社区的客户进行信用卡推荐。
[0013]
作为本发明的一个实施例，上述方法中若同一社区内无人开通过信用卡，则根据社区成员资产规模的不同，向客户推荐不同等级的信用卡。
[0014]
根据本发明的第二方面，提供一种信用卡推荐装置，所述装置包括：建模单元，用于对银行客户进行复杂网络建模，获得客户图结构，所述客户图结构的节点表示客户，边表示客户间关系；标签传播单元，用于基于双向亲密度的节点关联关系函数在所述客户图结构中进行标签传播；社区划分单元，用于将拥有同一个标签的节点划分至同一个社区；信用卡推荐单元，用于基于社区划分结果在对应社区内进行信用卡推荐。
[0015]
作为本发明的一个实施例，上述装置还包括：排序单元，用于按照所述客户图结构中节点的度数进行降序排序。
[0016]
作为本发明的一个实施例，上述装置中双向亲密度节点关联关系函数为：
[0017][0018]
上式中，q表示节点双向亲密度，γ(u)表示节点u及其邻居节点的集合，γ(v)表示节点v及其邻居节点的集合。
[0019]
作为本发明的一个实施例，上述装置中标签传播单元包括：初始化模块，用于初始化客户图结构中的节点，为每个节点赋予一个单独的标签；遍历节点模块，用于遍历降序排序的节点序列，在遍历当前节点时寻找当前节点的邻居节点中相同标签数目最多的标签作为当前节点的标签，若数目最多的标签不唯一，则计算数目最多的标签所在节点与当前节点之间的双向亲密度q，对同一标签内的q求和，取q求和值最大的标签作为当前节点的标签；以及重复遍历降序排序的节点序列直至每个节点的当前标签均为其邻居节点中数量最多的标签。
[0020]
作为本发明的一个实施例，若q求和后，不同标签的q求和值仍然相同，则遍所述历节点模块随机选取一个q求和值最大的标签作为当前节点的标签。
[0021]
作为本发明的一个实施例，上述装置信用卡推荐单元具体用于：在同一社区内统计客户的信用卡开卡信息，获取最受欢迎的信用卡卡种，基于所述最受欢迎的信用卡卡种向该同一社区的客户进行信用卡推荐。
[0022]
作为本发明的一个实施例，若同一社区内无人开通过信用卡，则所述信用卡推荐单元根据社区成员资产规模的不同，向客户推荐不同等级的信用卡。
[0023]
根据本发明的第三方面，提供一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，处理器执行所述计算机程序时实现上述方法的步骤。
[0024]
根据本发明的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。
[0025]
由上述技术方案可知，本发明提供的信用卡推荐方法和装置，利用复杂网络的社区发现的思想，使用标签传播算法进行社区划分，将银行客户划分为不同的社区，根据社区内大家普遍的办卡情况来进行信用卡推荐。社区划分后的客户，同一个社区内部的成员更容易有相同的兴趣开好和消费能力，推荐社区内其他成员已办理的信用卡可以更好地能进行信用卡推荐，提高下卡和开卡的成功率，满足不同客户的个性化需求。
附图说明
[0026]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
[0027]
图1是本技术实施例提供的一种信用卡推荐方法的流程示意图；
[0028]
图2是本技术实施例提供的一种客户建模的简单示例图；
[0029]
图3本技术另一实施例提供的一种信用卡推荐方法的流程示意图；
[0030]
图4-图10是本技术实施例提供的标签传播流程示意图；
[0031]
图11是本技术实施例提供的一种信用卡推荐装置的结构示意图；
[0032]
图12是本技术另一实施例提供的一种信用卡推荐装置的结构示意图；
[0033]
图13是本技术实施例提供的一种标签传播单元的结构示意图；
[0034]
图14是本技术实施例提供的电子设备的系统构成示意框图。
具体实施方式
[0035]
为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。
[0036]
由于目前现有的信用卡推荐一般使用银行线下柜台推荐、联名信用卡的合作商家推荐、雇佣推销人员进行推荐等方式。这种信用卡推荐模式推销成本高，成功率低，并且很难真正满足用户的需求。本技术的目的在于提供一种信用卡推荐方法和装置，来提高信用卡推荐成功率，降低推销成本，满足用户的个性需求。
[0037]
本技术中技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。本技术实施例中的用户信息均是通过合法合规途径获得，并且对用户信息的获取、存储、使用、处理等经过客户授权同意的。
[0038]
如图1所示为本技术实施例提供的一种信用卡推荐方法的流程示意图，该方法包括如下步骤：
[0039]
步骤s101：对银行客户进行复杂网络建模，获得客户图结构，所述客户图结构的节点表示客户，边表示客户间关系。
[0040]
在人类社会中，人们往往会因为兴趣爱好的不同而划分不同的社交圈(也称为社区)。在一个社区内，大家的兴趣爱好普遍较为接近。因此，研究社区划分对信用卡推荐具有重要意义。假设一个社区内的大部分人办理了a信用卡，那么对社区内其余的人推荐办理a信用卡时办卡成功率更高。因此，本技术首先基于银行客户进行复杂网络建模，来将银行客户建模为图结构的模型。该图结构的节点即为银行客户自身，比如可以为客户身份信息等，而节点之间的边则为客户之间的关系，比如转账关系等。如图2所示为本技术实施例提供的一种客户建模的简单示例图，其中9个节点分别代表了9个客户，9个客户之间关系由它们的连边表示。
[0041]
步骤s102：基于双向亲密度的节点关联关系函数在所述客户图结构中进行标签传播。
[0042]
现有技术中，由eustace等人提出过复杂网络模型中的节点关联关系函数，其通过下述公式(1)表示：
[0043][0044]
上式中，γ(u)表示节点u及其邻居节点的集合，γ(v)表示节点v及其邻居节点的集合，i
u,v
表示节点v对节点u的亲密度。i
u,v
的值越大则节点v对节点u的亲密度越高。但是这种关系函数具有“指向性”，仅能表示一个点对另一个点的亲密度，具有单向性，无法很好地描述二者的双向亲密关系。比如，如果a和b共同的邻居数占a所有邻居数的比例很高，但占b所有邻居数的比例低，那这时候按照单向亲密度的理论，只能看出a对b的亲密关系很高，b对a的亲密关系很低，并不能判断a和b双向关系的亲密程度。因此本技术提出了一种“双向亲密度”的定义，即节点u和节点v的双向亲密度q＝i
u,v
+i
v,u
，也即双向亲密度q满足下述公式(2)：
[0045][0046]
这种双向亲密度通过将两个单向亲密度的比例值进行相加，将二者进行了关联，求得的值可以更好地描述a和b的双向亲密关系。
[0047]
步骤s103：将拥有同一个标签的节点划分至同一个社区。
[0048]
在经过步骤s102后，客户图结构中各个节点的标签会重新分配，然后将重新分配后的具有相同标签的节点划分至同一个社区。
[0049]
步骤s104：基于社区划分结果在对应社区内进行信用卡推荐。
[0050]
由上述可知，本发明提供的信用卡推荐方法和装置，利用复杂网络的社区发现的思想，使用标签传播算法进行社区划分，将银行客户划分为不同的社区，根据社区内大家普遍的办卡情况来进行信用卡推荐。由于在一个社区内，大家的兴趣爱好普遍较为接近，或者说大家的消费能力、消费习惯也较为接近，推荐社区内其他成员已办理的信用卡可以更好地能进行信用卡推荐，提高下卡和开卡的成功率，满足不同客户的个性化需求。
[0051]
如图3所示为本技术另一实施例提供的一种信用卡推荐方法的流程示意图，该方法包括如下步骤：
[0052]
步骤s301：对银行客户进行复杂网络建模，获得客户图结构。
[0053]
步骤s302：按照所述客户图结构中节点的度数进行降序排序。
[0054]
节点的读数是指和该节点关联的边的条数，在本实施例中可以先统计客户图结构中各个节点的度数，然后按降序排序，若有度数相同的节点，则度数相同的节点先后顺序可以随机选取。
[0055]
步骤s303：初始化客户图结构中的节点，为每个节点赋予一个单独的标签，该标签比如可以为1-n的自然数，或顺序排列的字母等。
[0056]
步骤s304：开始遍历降序排序的节点序列。
[0057]
步骤s305：寻找当前节点的邻居节点中相同标签数目最多的标签。
[0058]
步骤s306：判断数目最多的标签是否唯一，若唯一，则进入步骤s307，若不唯一，则进入步骤s308。
[0059]
步骤s307：将数目最多的标签作为当前节点的标签，并进入步骤s312。
[0060]
步骤s308：计算数目最多的标签所在节点与当前节点之间的双向亲密度q，对同一标签内的q求和。
[0061]
步骤s309：判断q求和值最大的标签数量是否唯一，若是，则进入步骤s310，否则进入步骤s311。
[0062]
步骤s310：随机选取一个q求和值最大的标签作为当前节点的标签，并进入步骤s312。
[0063]
步骤s311：将q求和值最大的标签作为当前节点的标签。
[0064]
步骤s312：判断一轮遍历是否已经结束，若已经结束，则进入步骤s313，若未结束，则返回步骤s305继续进行下一个节点的标签调整。
[0065]
步骤s313：判断每个节点的当前标签是否均为其邻居节点中数量最多的标签，若是，则进入步骤s314，若否，则返回步骤s304进行下一轮遍历。
[0066]
步骤s314：将拥有同一个标签的节点划分至同一个社区。
[0067]
步骤s315：基于社区划分结果在对应社区内进行信用卡推荐。
[0068]
在社区划分好后，可以在同一社区内统计客户的信用卡开卡信息，获取最受欢迎的信用卡卡种，基于该最受欢迎的信用卡卡种向该同一社区的客户进行信用卡推荐。同时若同一社区内无人开通过信用卡，则可以根据社区成员资产规模的不同，向客户推荐不同等级的信用卡。
[0069]
由上述技术方案可知，本发明提供的信用卡推荐方法，利用复杂网络的社区发现的思想，使用标签传播算法进行社区划分，将银行客户划分为不同的社区，根据社区内大家普遍的办卡情况来进行信用卡推荐。社区划分后的客户，同一个社区内部的成员更容易有相同的兴趣开好和消费能力，推荐社区内其他成员已办理的信用卡可以更好地能进行信用卡推荐，提高下卡和开卡的成功率，满足不同客户的个性化需求。
[0070]
下面通过一具体实施例来对上述方法中标签传播的过程进行进一步的描述，在该实施例中，以图2所示的客户图结构为例，完整的标签传播过程如下：
[0071]
步骤1：对图2中的节点按照节点度数进行降序排序(相同度数的节点先后顺序随机)，得到的排序结果为(6，3，7，8，9，4，2，5，1)。
[0072]
步骤2：对每一个节点初始化单独的标签，得到如图4所示的带标签的图结构，其中节点的1-9，分别赋予了标签a-i。
[0073]
步骤3：进行第一轮迭代，按照节点度数的降序遍历节点(6，3，7，8，9，4，2，5，1)。
[0074]
步骤3.1：首先更新节点6的标签，由于节点6的邻居节点(3，7，8，9)标签各不相同，故分别计算节点6与其各个邻居节点的双向亲密度q，可求得(q6-3＝2/5+2/4＝0.9，q6-7＝4/5+4/4＝1.8，q6-8＝4/5+4/4＝1.8，q6-9＝4/5+4/4＝1.8),由于q6-7，q6-8，q6-9的q值最大且均为1.8，故节点6的标签应从节点7，8，9的标签中随机选一个作为节点6的新标签，此处暂且按照节点8的标签(h)来更新节点6，因此本步骤之后得到图5的图结构。
[0075]
步骤3.2：再更新节点3的标签，节点3的邻居节点(2，4，6)标签各不相同，故分别计算节点3与其各个邻居节点的双向亲密度q。同理，由于q3-6＝2/5+2/4＝0.9，q3-2＝2/4+2/4＝1，q3-4＝2/4+2/4＝1，q3-2和q3-4的q值最大且均为1，故节点3的标签应从节点2，4的标签中随机选一个作为节点3的新标签，此处暂且按照节点2的标签(b)来更新节点3，本步骤
之后得到如图6所示的图结构。
[0076]
步骤3.3：之后更新节点7，由于节点7的邻居节点中，(h)标签(即6和8的标签)的个数最多，故将节点7更新为标签(h)，节点8和节点9的更新同理。该步骤之后得到如图7所示的图结构。
[0077]
步骤3.4：更新节点4，由于节点4的邻居节点(1，3，5)标签各不相同，故分别计算节点4与其各个邻居节点的双向亲密度q。q4-1＝2/4+2/3＝1.1667，q4-3＝2/4+2/4＝1，q4-5＝2/4+2/3＝1.1667，q4-1和q4-5的q值最大且均为1.1667，故节点4的标签应从节点1，5的标签中随机选一个作为节点4的新标签，此处暂且按照节点5的标签(e)来更新节点4。同理，节点2更新为节点1的标签(a)，节点5更新为节点2更新后的标签(a)，节点1更新为节点4的标签(e)，第一轮迭代结束，得到如图8所示的图结构。
[0078]
步骤4：继续进行第二轮迭代，依然按照(6，3，7，8，9，4，2，5，1)的顺序更新节点。
[0079]
步骤4.1：节点6的邻居节点中，标签(h)最多，故节点6依然为标签(h)。节点3的邻居节点的标签各不相同，故分别计算节点3与其各个邻居节点的双向亲密度q。经过计算后，将节点3按照节点4的标签(e)来更新。之后按照规则，节点7、8、9均为标签(h)不变。此时，当前图结构的标签分布情况如图9所示。
[0080]
步骤4.2：更新节点4，由于节点1和节点3所拥有的标签(e)为节点4的邻居节点中标签数最多的标签，故节点4依然为标签(e)。同理，节点2更新为邻居节点中最多的标签(e)，节点5更新为邻居节点中最多的标签(e)，节点1的标签为(e)，是邻居节点中最多的标签故保持不变，第二轮迭代结束。此时图结构的标签分布情况如图10所示。
[0081]
经过计算判断后发现，每个节点的当前标签均为其邻居节点中数量最多的标签。标签传播结束，输出两个社区m和n。社区m由节点1、2、3、4、5组成，社区n由节点6、7、8、9组成。
[0082]
此时，可以在m社区统计已经开通信用卡的用户，找出最受欢迎的卡种。由于社区内的成员兴趣爱好甚至消费习惯都会比较接近，故可以向m社区内其余的人推荐相同的信用卡，n社区同理。如果一个社区内部没有一个人开通信用卡，则可向该社区内部成员根据资产规模的高低推荐不同等级的信用卡。
[0083]
如图11为本技术实施例提供的一种信用卡推荐装置的结构示意图，该装置包括：建模单元110、标签传播单元120、社区划分单元130和信用卡推荐单元140，它们之间依次相连。
[0084]
建模单元110用于对银行客户进行复杂网络建模，获得客户图结构，所述客户图结构的节点表示客户，边表示客户间关系。
[0085]
标签传播单元120用于基于双向亲密度的节点关联关系函数在所述客户图结构中进行标签传播。
[0086]
社区划分单元130用于将拥有同一个标签的节点划分至同一个社区。
[0087]
信用卡推荐单元140用于基于社区划分结果在对应社区内进行信用卡推荐。
[0088]
优选的，上述如图12所示，上述装置还包括：排序单元150，用于按照所述客户图结构中节点的度数进行降序排序。
[0089]
优选的，上述装置中双向亲密度节点关联关系函数为：
[0090][0091]
上式中，q表示节点双向亲密度，γ(u)表示节点u及其邻居节点的集合，γ(v)表示节点v及其邻居节点的集合。
[0092]
优选的，如图13所示，上述装置中标签传播单元120包括：初始化模块121，用于初始化客户图结构中的节点，为每个节点赋予一个单独的标签；遍历节点模块122，用于遍历降序排序的节点序列，在遍历当前节点时寻找当前节点的邻居节点中相同标签数目最多的标签作为当前节点的标签，若数目最多的标签不唯一，则计算数目最多的标签所在节点与当前节点之间的双向亲密度q，对同一标签内的q求和，取q求和值最大的标签作为当前节点的标签；以及重复遍历降序排序的节点序列直至每个节点的当前标签均为其邻居节点中数量最多的标签。
[0093]
优选的，若q求和后，不同标签的q求和值仍然相同，则遍所述历节点模块随机选取一个q求和值最大的标签作为当前节点的标签。
[0094]
优选的，上述装置信用卡推荐单元140具体用于：在同一社区内统计客户的信用卡开卡信息，获取最受欢迎的信用卡卡种，基于所述最受欢迎的信用卡卡种向该同一社区的客户进行信用卡推荐。
[0095]
优选的，若同一社区内无人开通过信用卡，则所述信用卡推荐单元根据社区成员资产规模的不同，向客户推荐不同等级的信用卡。
[0096]
由上述技术方案可知，本发明提供的信用卡推荐装置，利用复杂网络的社区发现的思想，使用标签传播算法进行社区划分，将银行客户划分为不同的社区，根据社区内大家普遍的办卡情况来进行信用卡推荐。社区划分后的客户，同一个社区内部的成员更容易有相同的兴趣开好和消费能力，推荐社区内其他成员已办理的信用卡可以更好地能进行信用卡推荐，提高下卡和开卡的成功率，满足不同客户的个性化需求。
[0097]
本发明实施例还提供一种电子设备，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，处理器执行所述程序时实现上述方法。
[0098]
本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质存储有执行上述方法的计算机程序。
[0099]
如图14所示，该电子设备600还可以包括：通信模块110、输入单元120、音频处理器130、显示器160、电源170。值得注意的是，电子设备600也并不是必须要包括图14中所示的所有部件；此外，电子设备600还可以包括图14中没有示出的部件，可以参考现有技术。
[0100]
如图14所示，中央处理器100有时也称为控制器或操作控件，可以包括微处理器或其他处理器装置和/或逻辑装置，该中央处理器100接收输入并控制电子设备600的各个部件的操作。
[0101]
其中，存储器140，例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。可储存上述与失败有关的信息，此外还可存储执行有关信息的程序。并且中央处理器100可执行该存储器140存储的该程序，以实现信息存储或处理等。
[0102]
输入单元120向中央处理器100提供输入。该输入单元120例如为按键或触摸输入装置。电源170用于向电子设备600提供电力。显示器160用于进行图像和文字等显示对象的
显示。该显示器例如可为lcd显示器，但并不限于此。
[0103]
该存储器140可以是固态存储器，例如，只读存储器(rom)、随机存取存储器(ram)、sim卡等。还可以是这样的存储器，其即使在断电时也保存信息，可被选择性地擦除且设有更多数据，该存储器的示例有时被称为eprom等。存储器140还可以是某种其它类型的装置。存储器140包括缓冲存储器141(有时被称为缓冲器)。存储器140可以包括应用/功能存储部142，该应用/功能存储部142用于存储应用和功能程序或用于通过中央处理器100执行电子设备600的操作的流程。
[0104]
存储器140还可以包括数据存储部143，该数据存储部143用于存储数据，例如联系人、数字数据、图片、声音和/或任何其他由电子设备使用的数据。存储器140的驱动程序存储部144可以包括电子设备的用于通信功能和/或用于执行电子设备的其他功能(如消息传送应用、通讯录应用等)的各种驱动程序。
[0105]
通信模块110即为经由天线111发送和接收信号的发送机/接收机110。通信模块(发送机/接收机)110耦合到中央处理器100，以提供输入信号和接收输出信号，这可以和常规移动通信终端的情况相同。
[0106]
基于不同的通信技术，在同一电子设备中，可以设置有多个通信模块110，如蜂窝网络模块、蓝牙模块和/或无线局域网模块等。通信模块(发送机/接收机)110还经由音频处理器130耦合到扬声器131和麦克风132，以经由扬声器131提供音频输出，并接收来自麦克风132的音频输入，从而实现通常的电信功能。音频处理器130可以包括任何合适的缓冲器、解码器、放大器等。另外，音频处理器130还耦合到中央处理器100，从而使得可以通过麦克风132能够在本机上录音，且使得可以通过扬声器131来播放本机上存储的声音。
[0107]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0108]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0109]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0110]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0111]
本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

技术特征：
1.一种信用卡推荐方法，其特征在于，所述方法包括：对银行客户进行复杂网络建模，获得客户图结构，所述客户图结构的节点表示客户，边表示客户间关系；基于双向亲密度的节点关联关系函数在所述客户图结构中进行标签传播；将拥有同一个标签的节点划分至同一个社区；基于社区划分结果在对应社区内进行信用卡推荐。2.如权利要求1所述的信用卡推荐方法，其特征在于，所述基于双向亲密度的节点关联关系函数在所述客户图结构中进行标签传播之前，所述方法还包括：按照所述客户图结构中节点的度数进行降序排序。3.如权利要求1所述的信用卡推荐方法，其特征在于，所述双向亲密度节点关联关系函数为：上式中，q表示节点双向亲密度，γ(u)表示节点u及其邻居节点的集合，γ(v)表示节点v及其邻居节点的集合。4.如权利要求2所述的信用卡推荐方法，其特征在于，所述基于双向亲密度的节点关联关系函数在所述客户图结构中进行标签传播包括：初始化客户图结构中的节点，为每个节点赋予一个单独的标签；遍历降序排序的节点序列，在遍历当前节点时寻找当前节点的邻居节点中相同标签数目最多的标签作为当前节点的标签，若数目最多的标签不唯一，则计算数目最多的标签所在节点与当前节点之间的双向亲密度q，对同一标签内的q求和，取q求和值最大的标签作为当前节点的标签；重复遍历降序排序的节点序列直至每个节点的当前标签均为其邻居节点中数量最多的标签。5.如权利要求4所述的信用卡推荐方法，其特征在于，若q求和后，不同标签的q求和值仍然相同，则随机选取一个q求和值最大的标签作为当前节点的标签。6.如权利要求1所述的信用卡推荐方法，其特征在于，所述基于社区划分结果在对应社区内进行信用卡推荐包括：在同一社区内统计客户的信用卡开卡信息，获取最受欢迎的信用卡卡种，基于所述最受欢迎的信用卡卡种向该同一社区的客户进行信用卡推荐。7.如权利要求6所述的信用卡推荐方法，其特征在于，若同一社区内无人开通过信用卡，则根据社区成员资产规模的不同，向客户推荐不同等级的信用卡。8.一种信用卡推荐装置，其特征在于，所述装置包括：建模单元，用于对银行客户进行复杂网络建模，获得客户图结构，所述客户图结构的节点表示客户，边表示客户间关系；标签传播单元，用于基于双向亲密度的节点关联关系函数在所述客户图结构中进行标签传播；社区划分单元，用于将拥有同一个标签的节点划分至同一个社区；信用卡推荐单元，用于基于社区划分结果在对应社区内进行信用卡推荐。
9.一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述方法的步骤。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7任一项所述方法的步骤。

技术总结
本发明提供了一种信用卡推荐方法和装置，涉及大数据技术领域，所述方法包括：对银行客户进行复杂网络建模，获得客户图结构，所述客户图结构的节点表示客户，边表示客户间关系；基于双向亲密度的节点关联关系函数在所述客户图结构中进行标签传播；将拥有同一个标签的节点划分至同一个社区；基于社区划分结果在对应社区内进行信用卡推荐。本发明利用复杂网络的社区发现的思想，使用标签传播算法进行社区划分，将银行客户划分为不同的社区，社区划分后的客户，同一个社区内部的成员更容易有相同的兴趣开好和消费能力，推荐社区内其他成员已办理的信用卡可以更好地能进行信用卡推荐，提高下卡和开卡的成功率，满足不同客户的个性化需求。需求。需求。


技术研发人员：单云帆 白杰 余栋 徐李融
受保护的技术使用者：中国工商银行股份有限公司
技术研发日：2023.07.13
技术公布日：2023/10/11