论文题目: 基于数据挖掘的银行客户分析管理关键技术研究
论文类型: 博士论文
论文专业: 计算机应用技术
作者: 赵基
导师: 陈纯
关键词: 客户关系管理,数据挖掘,数据仓库,聚类,粗糙集,决策树,时序数据,字符串,协商
文献来源: 浙江大学
发表年度: 2005
论文摘要: 如何将数据仓库及数据挖掘的相关技术应用于金融业客户关系管理,是目前金融行业迫切需要研究的领域。该领域包括对于数据仓库和数据挖掘技术的研究,CRM系统的构建,以及更加有效挖掘算法的设计等方面。本文具体探讨了金融行业的客户关系管理系统在实施过程的若干关键技术,同时对基于数据挖掘的银行客户关系管理技术进行了研究。 传统的数据挖掘方法在金融行业的应用包括银行客户划分、银行客户流失预警、金融欺诈分析以及基于数据挖掘的银行信用卡分析等方面,本文对于这些传统的方法进行了总结和分析,并且结合具体案例进行了说明,给出了自己的结论。 在第三章中,对于银行的客户聚类分析进行了单独论述,比较分析了决策树方法和粗糙集方法各自的特点,提出了一种基于粗糙集和决策树相结合的多变量决策的银行客户聚类算法,实验结果表明这种方法在一定程度上提高了聚类判别的效率。 银行交易时序数据的挖掘分析是目前研究的热点之一。本文尝试将时序数据字符串化,引入传统的字符串模式匹配相关算法进行金融时序数据的分析。在字符串算法的研究中,经常会关注给定字符串本身的规律性,如重复性。Seed是一种广义的重复性,如果一个给定字符串的超串能够由它的某个子串以多个串接和(或)叠合的形式构成,这个子串就称为给定字符串的Seed。本文对于时间序列预测中的字符串Seed求解算法进行了讨论,提出了一个有效的算法来计算长度为N的字符串的所有Seed,时间复杂度为O(nlogn)。 Agent和多Agent系统(Multi-Agent Systems,简称MAS)是正在崛起为人工智能研究实用化和分布计算环境下软件智能化的重要技术。提供具有社会和相关领域知识,能依据心理状态自主工作,并具有语义互操作和合作行为协调能力的软件实体,作为参与协调合作的软构件,不仅为实施紧凑一致的协同工作提供有力的支持,也为建立面向分布计算的开放性、可重构和可伸缩的新型计算环境建立了基础。本文对于基于MAS的客户关系管理系统的相关理论进行了研究,尝试将多Agent的协商框架应用于银行间的产品营销竞争,客户金融产品的交叉销售分析中,提出了一个客户销售的优化协商框架。 在第六章中,针对项目的具体实施和实践过程中的相关问题,从技术和应用的角度展开数据挖掘相关技术及其实际应用领域的研究,并结合上海浦东发展银行的实际应用背景,提出了一个银行客户关系分析管理系统的设计方案。
论文目录:
第1章 绪论
1．1 论文的研究背景和应用前景
1．2 金融行业客户关系管理简介
1．3 金融行业数据挖掘和数据仓库管理的研究现状
1．3．1 行业现状
1．3．2 数据挖掘和数据仓库技术在金融业的应用现状
1．4 论文的研究内容和论文框架
1．4．1 研究内容
1．4．2 论文框架
第2章 银行客户关系管理的相关挖掘技术研究综述
2．1 系统的理论架构研究
2．1．1 统一客户视图理论
2．1．2 银行客户细分组合理论
2．2 银行客户划分
2．2．1 银行客户关系管理中的客户划分分析的意义
2．2．2 CRM环境下的数据分类技术
2．3 银行客户流失预警及金融欺诈分析
2．3．1 问题背景
2．3．2 SPSS Clementine客户流失分析
2．4 基于数据挖掘的银行信用卡应用研究
2．4．1 基于数据挖掘的信用卡应用研究现状和发展趋势
2．4．2 基于数据挖掘的信用评分技术
2．4．3 SPSS Clementine信用卡分析
2．5 本章小结
第3章 银行客户聚类分析
3．1 聚类分析简介
3．2 银行客户关系管理中的数据聚类技术
3．2．1 决策树
3．2．2 粗糙集
3．2．3 粗糙集和决策树结合的多变量决策银行客户分类方法
3．3 本章小结
第4章 银行时序数据的高效数据挖掘方法研究
4．1 银行时序数据及其挖掘技术
4．2 趋势序列及其字符串转化
4．3 字符串SEED生成算法
4．3．1 基本定义
4．3．2 等价关系和等价类
4．3．3 Easy Seed的计算
4．3．4 Hard Seed的计算
4．3．5 前缀等价类树和后缀等价类树
4．3．6 实用的计算字符串中所有 Hard Seed的算法
4．3．7 小结
4．4 字符串比例匹配算法
4．4．1 基本定义
4．4．2 加权序列中所有最大子序列的确定
4．4．4 结论
4．5 本章小结
第5章 多AGENT技术在银行客户关系管理中的应用
5．1 AGENT技术及MAS系统综述
5．2 基于MAS系统理论的客户关系管理
5．3 多AGENT协商技术
5．3．1 基本概念
5．3．2 优化的议题提交策略
5．3．3 优化效率
5．3．4 小结
5．4 本章小结
第6章 基于用户数据仓库的银行客户分析管理系统设计
6．1 需求背景
6．2 系统目标
6．3 系统设计思想
6．4 系统设计要求
6．5 体系结构
6．5．1 单Agent个体结构
6．5．2 多Agent之间的协作
6．6 分析指标
6．6．1 客户成本的概念及其构成
6．6．2 客户成本的差异性
6．6．3 客户贡献度分析
6．7 系统架构及功能
6．7．1 系统总体架构
6 7．2 系统功能模块
6．8 系统设计
6．8．1 数据的获取
6．8．2 信息综合
6．8．3 分析应用
6．8．4 信息交互
6．9 系统原型设计
6．9．1 客户整体分析
6．9．2 市场营销
6．9．3 数据挖掘
6．9．4 系统管理
6．10 本章小结
第7章 总结和展望
7．1 总结
7．2 展望
参考文献
在攻读博士学位期间发表的论文及参加科研的情况
致谢
发布时间: 2006-02-08
参考文献
- [1].支持编辑距离的高效近似字符串匹配方法[D]. 王佳英.东北大学2016
- [2].快速精确字符串匹配算法研究[D]. 范洪博.哈尔滨工程大学2011
- [3].多模型下的近似字符串匹配算法研究[D]. 赵华.华中科技大学2013
标签：客户关系管理论文; 数据挖掘论文; 数据仓库论文; 聚类论文; 粗糙集论文; 决策树论文; 时序数据论文; 字符串论文; 协商论文;