[发明专利]一种针对用户金融产品需求进行分类和预测的方法

权利要求书

1.一种针对用户金融产品需求进行分类和预测的方法，其特征在于，包括构建训练集步骤和数据训练步骤：

所述构建训练集步骤包括：

步骤S11：确定M项互联网金融产品，选取N个对所述M项互联网金融产品有参与需求的用户；其中，每一位用户具有唯一的用户ID，所述M项互联网金融产品包括M个兴趣特征和一个互联网响应行为特征，所述互联网响应行为特征的结果值为是否对营销产品链接进行点击展开，所述M个兴趣特征具有Y个结果值，M、Y和N为正整数；

步骤S12：根据一预定的时间段的历史营销数据信息，获得对每一位所述用户进行所述M项互联网金融产品营销中的M个兴趣特征，以及得到每一位所述用户参与的互联网金融产品的互联网响应行为特征；

步骤S13：形成对所述M项互联网金融产品有参与需求的用户数量*(兴趣特征数量+互联网响应行为特征数量)的结果矩阵；其中，所述结果矩阵为N*(M+1)；

所述数据训练步骤包括：

步骤S21：基于决策树算法，从所述M个兴趣特征中选取X个兴趣特征，对X个兴趣特征进行二分处理；其中，X为小于等于M的正整数；

步骤S22：将所述X个兴趣特征中的每一个特征作为节点而对用户进行二分处理，在每一次特征分类后计算出各特征与其相应的互联网响应行为特征结果值的相关性；

步骤S23：根据每一次迭代处理后的各特征与其相应的互联网响应行为特征结果值组合的相关性，得到所述用户被分错集合概率，并将得到所述用户被分错集合概率最小的组合，作为预测后的分类模型。

2.根据权利要求1所述的针对用户金融产品需求进行分类和预测的方法，其特征在于，还包括模型应用步骤，所述模型应用步骤具体包括：

步骤S31：获取拟互联网金融产品营销的包括Z位用户的群体，所述需进行互联网金融产品构成M个兴趣特征，Z为正整数；

步骤S32：形成对所述拟互联网金融产品营销有参与需求的用户数量*兴趣特征数量的结果矩阵；其中，所述结果矩阵为Z*M；

步骤S33：使用步骤23中的分类模型，将所有所述拟互联网金融产品营销用户区分为点击意向用户与无点击意向用户，而后仅对点击意向用户进行营销。