金融服务的消费端分类方法、装置、设备和存储介质与流程

本技术涉及大数据和金融科技，特别是涉及一种金融服务的消费端分类方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术：

1、提供端可以向消费端提供各种金融服务，为了使提供端针对性地为消费端提供与金融服务的处理方式，可以针对该金融服务对消费端进行分类。

2、在分类时可以基于消费端在各维度的指标进行分类，但是，在指标的选择上，一般需要人为给出，较为依赖人的经验，可能出现因选择的指标不恰当导致分类效果不好的情况。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种金融服务的消费端分类方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

2、第一方面，本技术提供了一种金融服务的消费端分类方法，包括：

3、响应于对第一消费端集的分类指令，根据所述第一消费端集里各消费端的资源处理数据得到所述消费端对应金融服务在目标维度下各指标的特征数据；

4、在所述第一消费端集中选择部分消费端，得到第二消费端集；

5、依次将所述各指标作为所选指标，基于第二消费端集在所述所选指标的特征数据，对所述第二消费端集进行分类，得到所述所选指标的基尼系数；

6、根据所述各指标的基尼系数的相对大小，确定所述各指标中的目标指标；

7、基于所述第一消费端集里各消费端的在所述目标维度下所述目标指标的特征数据，提供所述第一消费端集的分类结果。

8、在其中一个实施例中，所述基于第二消费端集在所述所选指标的特征数据，对所述第二消费端集进行分类，得到所述所选指标的基尼系数，包括：

9、基于所述第二消费端集在所述所选指标的特征数据，对所述第二消费端集进行分类，确定所述第二消费端集里各消费端所属的类别；

10、基于所述第二消费端集里各消费端所属的类别，确定出各所述类别的消费端数；

11、基于各所述类别的消费端数间的接近度，得到所述所选指标的基尼系数；所述接近度越高，基尼系数越小。

12、在其中一个实施例中，所述基于所述第一消费端集里各消费端的在所述目标维度下所述目标指标的特征数据，提供所述第一消费端集的分类结果，包括：

13、基于所述第一消费端集里各消费端的在所述目标维度下所述目标指标的特征数据，对所述第一消费端集里各消费端进行价值分级，得到各所述消费端对所述提供端的价值级别；

14、根据预先构建的消费增益模型预测的所述第一消费端集里各消费端的消费增益，对各所述消费端进行敏感分级，得到各所述消费端对所述消费权益的敏感级别；

15、根据所述价值级别和所述敏感级别，得到所述第一消费端集的分类结果。

16、基于所述第一消费端集里各消费端的在所述目标维度下所述目标指标的特征数据，对所述第一消费端集里各所述消费端进行价值分级，得到各所述消费端对所述提供端的价值级别；

17、通过预先构建的消费增益模型预测的所述第一消费端集里各所述消费端在收到所述金融服务的消费权益后的消费增益，对各所述消费端进行敏感分级，得到各所述消费端对所述消费权益的敏感级别；

18、根据所述价值级别和所述敏感级别，得到所述第一消费端集的分类结果。

19、在其中一个实施例中，所述目标维度至少包括第一目标维度和第二目标维度，所述基于所述第一消费端集里各消费端的在所述目标维度下所述目标指标的特征数据，对所述第一消费端集里各消费端进行价值分级，得到各所述消费端对所述提供端的价值级别，包括：

20、基于所述第一消费端集里各消费端的在所述第一目标维度下第一目标指标的第一特征数据和在所述第二目标维度下第二目标指标的第二特征数据，得到所述消费端的第一得分和第二得分；

21、根据各所述消费端的所述第一得分和所述第二得分，对所述第一消费端集里的消费端进行聚类，得到目标簇集；

22、根据所述目标簇集中的各簇的平均第一得分和平均第二得分，确定各所述簇关联的价值级别；

23、根据各所述簇关联的价值级别，确定各所述簇内的各所述消费端对所述提供端的价值级别。

24、在其中一个实施例中，所述根据各所述消费端的所述第一得分和所述第二得分，对所述第一消费端集里的消费端进行聚类，得到目标簇集，包括：

25、根据所述第一消费端集里的消费端的所述第一得分和所述第二得分，将所述第一消费端集里的消费端作为样本点，形成样本点集；

26、每次聚类时随机选择若干个质心，对所述样本点集进行多次聚类，得到多个簇集；

27、根据所述多个簇集的轮廓系数，在多个簇集里确定目标簇集。

28、在其中一个实施例中，所述基于所述第一消费端集里各消费端的在所述第一目标维度下第一目标指标的第一特征数据和在所述第二目标维度下第二目标指标的第二特征数据，得到所述消费端的第一得分和第二得分，包括：

29、对所述第一特征数据和所述第二特征数据进行分箱处理，得到所述第一特征数据和所述第二特征数据各自的分箱得分；

30、根据所述第一特征数据和所述第二特征数据各自的分箱得分在总分箱得分中的比重，得到所述第一目标指标和所述第二目标指标的指标权重；

31、根据所述分箱得分和所述指标权重，得到所述第一得分和所述第二得分。

32、在其中一个实施例中，所述根据所述第一特征数据和所述第二特征数据各自的分箱得分在总分箱得分中的比重，得到所述第一目标指标和所述第二目标指标的指标权重，包括：

33、根据所述第一特征数据和所述第二特征数据各自的分箱得分，得到所述总分箱得分；

34、获取所述第一特征数据的分箱得分在所述总分箱得分中的比重和所述第二特征数据的分箱得分在所述总分箱得分中的比重；

35、根据所述比重，得到所述第一特征数据和所述第二特征数据各自的信息熵值；

36、根据所述信息熵值，得到所述第一目标指标和所述第二目标指标的指标权重。

37、第二方面，本技术还提供了一种金融服务的消费端分类装置，包括：

38、特征数据获取模块，用于响应于对第一消费端集的分类指令，根据所述第一消费端集里各消费端的资源处理数据得到所述消费端对应金融服务在目标维度下各指标的特征数据；

39、第二消费端集获取模块，用于在所述第一消费端集中选择部分消费端，得到第二消费端集；

40、基尼系数获取模块，用于依次将所述各指标作为所选指标，基于第二消费端集在所述所选指标的特征数据，对所述第二消费端集进行分类，得到所述所选指标的基尼系数；

41、目标指标确定模块，用于根据所述各指标的基尼系数的相对大小，确定所述各指标中的目标指标；

42、分类结果获取模块，用于基于所述第一消费端集里各消费端的在所述目标维度下所述目标指标的特征数据，提供所述第一消费端集的分类结果。

43、第三方面，本技术还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行上述方法。

44、第四方面，本技术还提供了一种计算机可读存储介质。所述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上述方法。

45、第五方面，本技术还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行上述方法。

46、上述金融服务的消费端分类方法、装置、计算机设备、存储介质和计算机程序产品，响应于对第一消费端集的分类指令，根据第一消费端集里各消费端的资源处理数据得到消费端对应金融服务在目标维度下各指标的特征数据；在第一消费端集中选择部分消费端，得到第二消费端集；依次将各指标作为所选指标，基于第二消费端集在所选指标的特征数据，对第二消费端集进行分类，得到所选指标的基尼系数；根据各指标的基尼系数的相对大小，确定各指标中的目标指标；基于第一消费端集里各消费端的在目标维度下目标指标的特征数据，提供第一消费端集的分类结果。本方案从第一消费端集中选择部分消费端，得到第二消费端集，依次将各指标作为所选指标，基于第二消费端集在所选指标的特征数据，对第二消费端集进行分类，确定所选指标的基尼系数，从而得到各指标的基尼系数，基尼系数越小，表征使用该指标进行分类所得的各类数据量越平等，分类效果较好；按各指标的基尼系数的相对大小，在各指标里自动地确定出分类效果较好的目标指标，以该目标指标对第一消费端集进行分类，无需人为给出指标，弱化对人经验的依赖性，尽可能地避免因选择的指标不恰当导致分类效果不好的情况。