CN108711064A - 一种划分客户关系网络的方法及装置 - Google Patents
一种划分客户关系网络的方法及装置 Download PDFInfo
- Publication number
- CN108711064A CN108711064A CN201810575472.8A CN201810575472A CN108711064A CN 108711064 A CN108711064 A CN 108711064A CN 201810575472 A CN201810575472 A CN 201810575472A CN 108711064 A CN108711064 A CN 108711064A
- Authority
- CN
- China
- Prior art keywords
- customer relationship
- relationship network
- modularity
- objective group
- group
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/01—Customer relationship services
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Finance (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer And Data Communications (AREA)
Abstract
本发明提出一种划分客户关系网络的方法及装置，该方法包括：将客户关系网络中的客户节点划分为多个客群；循环地计算客户关系网络的模块度，以及根据计算得到的模块度对客户关系网络进行客群合并处理，直到将所述客户关系网络合并为一个客群；确认在所述循环地计算客户关系网络的模块度以及根据计算得到的模块度对客户关系网络进行客群合并处理的过程中，计算得到的模块度最大的客户关系网络，并将所述模块度最大的客户关系网络设定为客户关系网络划分结果。上述处理过程应用客户关系网络的模块度实现对客户关系网络的客群划分，并找出其中的最优客群划分结果，达到了将客户关系网络最优划分的目的，实现了对客户群体的量化识别。
Description
技术领域
本发明涉及风险管理技术领域，尤其涉及一种划分客户关系网络的方法及装置。
背景技术
当前，在国内经济处于“三期”叠加和下行压力增大的背景下，经济增速回落，经济结构深入调整，企业经营业态和客户结构发生变化，客户金融风险形式多元化，当个别企业发生经营问题和财务危机时，往往会产生多米诺骨牌效应，风险很快传染整个客户关系网，导致关系网内企业整体陷入困境，极易发生区域性、系统性金融风险，不断加大了风险管理难度。
传统风险管理模式，仍侧重于单一客户，着重分析单一客户的财务风险，往往忽略了客户之间的风险相关性。金融机构应逐步建立基于客户关系网络的信用风险管控体系，实现从单个客户转向客户关系网络的风险管理，而目前仍缺乏对具有较强风险传导性和感染性特点的客户群体的量化识别方法和手段。
发明内容
基于上述现有技术的缺陷和不足，本发明提出一种划分客户关系网络的方法及装置，能够对客户群体进行量化识别。
为了达到上述目的，本发明提出如下技术方案：
一种划分客户关系网络的方法，包括：
将客户关系网络中的客户节点划分为多个客群；
循环地计算客户关系网络的模块度，以及根据计算得到的模块度对客户关系网络进行客群合并处理，直到将所述客户关系网络合并为一个客群；
确认在所述循环地计算客户关系网络的模块度以及根据计算得到的模块度对客户关系网络进行客群合并处理的过程中，计算得到的模块度最大的客户关系网络，并将所述模块度最大的客户关系网络设定为客户关系网络划分结果。
可选的，所述循环地计算客户关系网络的模块度，以及根据计算得到的模块度对客户关系网络进行客群合并处理，直到将所述客户关系网络合并为一个客群，包括：
循环执行以下操作，直到将所述客户关系网络合并为一个客群：
根据客户关系网络的客群关系矩阵和所述客户关系网络中各个客群之间的风险传导系数，计算得到所述客户关系网络的模块度；其中，所述客群关系矩阵为表示客群之间的连接关系的矩阵；
分别计算得到合并所述客户关系网络中有连接边相连的客群对后的所述客户关系网络的模块度增量；
根据计算得到的各个模块度增量的值，确认最优可合并客群对；其中，将所述最优可合并客群对合并后的所述客户关系网络的模块度增量最大；
合并所述最优可合并客群对，得到合并后的客户关系网络。
可选的，所述分别计算得到合并所述客户关系网络中有连接边相连的客群对后的所述客户关系网络的模块度增量，包括：
针对所述客户关系网络中有连接边相连的客群对，分别执行以下处理：
计算得到将所述有连接边相连的客群对合并后的客户关系网络的模块度；
根据计算得到的将所述有连接边相连的客群对合并后的客户关系网络的模块度，和将所述有连接边相连的客群对合并前的客户关系网络的模块度，计算得到将所述有连接边相连的客群对合并后的客户关系网络的模块度增量。
可选的，该方法还包括：
当根据计算得到的各个模块度增量的值，确认有多对最优可合并客群对时，从所述多对最优可合并客群对中任选其一作为最终确认的最优可合并客群对。
一种划分客户关系网络的装置，包括：
网络初始化单元，用于将客户关系网络中的客户节点划分为多个客群；
客群合并单元，用于循环地计算客户关系网络的模块度，以及根据计算得到的模块度对客户关系网络进行客群合并处理，直到将所述客户关系网络合并为一个客群；
划分结果确认单元，用于确认在所述循环地计算客户关系网络的模块度以及根据计算得到的模块度对客户关系网络进行客群合并处理的过程中，计算得到的模块度最大的客户关系网络，并将所述模块度最大的客户关系网络设定为客户关系网络划分结果。
可选的，所述客群合并单元，包括：
网络模块度计算单元，用于根据客户关系网络的客群关系矩阵和所述客户关系网络中各个客群之间的风险传导系数，计算得到所述客户关系网络的模块度；其中，所述客群关系矩阵为表示客群之间的连接关系的矩阵；
模块度增量计算单元，用于分别计算得到合并所述客户关系网络中有连接边相连的客群对后的所述客户关系网络的模块度增量；
最优可合并客群对确认单元，用于根据计算得到的各个模块度增量的值，确认最优可合并客群对；其中，将所述最优可合并客群对合并后的所述客户关系网络的模块度增量最大；
客群对合并单元，用于合并所述最优可合并客群对，得到合并后的客户关系网络。
可选的，所述模块度增量计算单元分别计算得到合并所述客户关系网络中有连接边相连的客群对后的所述客户关系网络的模块度增量时，具体用于：
针对所述客户关系网络中有连接边相连的客群对，分别执行以下处理：
计算得到将所述有连接边相连的客群对合并后的客户关系网络的模块度；
根据计算得到的将所述有连接边相连的客群对合并后的客户关系网络的模块度，和将所述有连接边相连的客群对合并前的客户关系网络的模块度，计算得到将所述有连接边相连的客群对合并后的客户关系网络的模块度增量。
可选的，所述最优可合并客群对确认单元，还用于：
当根据计算得到的各个模块度增量的值，确认有多对最优可合并客群对时，从所述多对最优可合并客群对中任选其一作为最终确认的最优可合并客群对。
本发明提出的划分客户关系网络的方法，首先将客户关系网络中的客户节点划分为多个客群；然后循环地计算客户关系网络的模块度，以及根据计算得到的模块度对客户关系网络进行客群合并处理，直到将所述客户关系网络合并为一个客群；最后确认在所述循环地计算客户关系网络的模块度以及根据计算得到的模块度对客户关系网络进行客群合并处理的过程中，计算得到的模块度最大的客户关系网络，并将所述模块度最大的客户关系网络设定为客户关系网络划分结果。上述处理过程应用客户关系网络的模块度实现对客户关系网络的客群划分，并找出其中的最优客群划分结果，达到了将客户关系网络最优划分的目的，实现了对客户群体的量化识别。
附图说明
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，还可以根据提供的附图获得其他的附图。
图1是本发明实施例提供的一种划分客户关系网络的方法的流程示意图；
图2是本发明实施例提供的一种客户关系网络示意图；
图3是本发明实施例提供的一种客群关系矩阵的示意图；
图4是本发明实施例提供的另一种划分客户关系网络的方法的流程示意图；
图5是本发明实施例提供的计算模块度增量的方法的流程示意图；
图6是本发明实施例提供的一种划分客户关系网络的装置的结构示意图；
图7是本发明实施例提供的另一种划分客户关系网络的装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例公开了一种划分客户关系网络的方法，参见图1所示，该方法包括：
S101、将客户关系网络中的客户节点划分为多个客群；
具体的，上述客户关系网络，是指众多客户之间由风险关联关系而相互连接构成的客户关系网络。
例如，假设有客户A、B、C、D，并且客户A、B、C、D之间每两个客户之间都有风险关联关系，则客户A、B、C、D可以构成如图2所示的客户关系网络。
需要说明的是，本发明实施例所提出的上述客户关系网络，是一个有权网络，网络中的客户节点之间的连接边具有权重属性，该权重表示一个客户节点在发生风险时，将风险传导给另一个客户节点的概率，即风险传导系数。
在开始对客户关系网络进行划分时，本发明实施例先对客户关系网络进行初始化，将该客户关系网络划分为多个客群，每个客群包括一个或多个客户节点。上述的每一个客群，也可以看做是从客户关系网络中划分出的一个子网。
需要说明的是，归集到同一个客群的客户节点之间，是具有较强风险传导系数的客户节点。当客户关系网络中某些客户节点之间具有显而易见的较强的风险传导关系时，可以直接将这些客户节点归集到同一个客群，作为客户关系网络的客群之一；当客户关系网络中的客户节点与其它客户节点之间的风险传导关系不明确时，可以先将这个客户节点单独作为一个客群，在后期再按照本发明实施例技术方案进一步对客群进行合并。
一种简单的处理方式是，直接将客户关系网络中的每个客户节点划分为一个客群，然后再进行后续的合并处理。
S102、循环地计算客户关系网络的模块度，以及根据计算得到的模块度对客户关系网络进行客群合并处理，直到将所述客户关系网络合并为一个客群；
具体的，模块度也称模块化度量值，是目前常用的一种衡量网络社区结构强度的方法，模块度值的大小主要取决于网络中结点的社区分配，即网络的社区划分情况，可以用来定量的衡量网络社区划分质量，其值越接近1，表示网络划分出的社区结构的强度越强，也就是划分质量越好。因此可以通过最大化模块度来获得最优的网络社区划分。
本发明实施例将上述模块度应用于对客户关系网络的划分，具体为根据客户关系网络的模块度来对客户关系网络的客群进行合并，最终合并成一个大的客群，然后再逆向寻找在客群合并过程中，每次合并客群后得到的客户关系网络的模块度最大的客户关系网络，该形式的网络即最优的客户关系网络形式，也就是客户关系网络的最优客群划分结果。
假设客户关系网络已经划分出了个n个客群，即n个子网，那么定义一个n*n的对称矩阵，如图3所示，其中对角线元素表示子网内部的所有客户节点之间的连接边的权重之和占整个客户关系网络中的所有客户节点之间的连接边权重之和的比例，非对角线元素表示子网和子网之间的客户节点之间的连接边的权重之和的一半占整个客户关系网络中的所有客户节点之间的连接边的权重之和的比例(由于与是将子网和子网之间的边统计了2次，因此取值取一半)。假设Wll表示子网l内的客户节点之间的连接边权值之和，Wlk表示子网l与子网k的客户节点之间的连接边的权值之和，s表示整个客户关系网络的所有客户节点之间的连接边的权值之和，因此模块度(Modularity)Q计量公式为：
Q＝∑lWll/s-∑l(∑kWlk/2s)2
基于上述客户关系网络的模块度的计算方法，本发明实施例循环地对客户关系网络进行客群合并的过程为：
首先计算当前的第一形式客户关系网络的模块度，然后分别计算将第一形式的客户关系网络中的每两个有连接边的客群对合并后的客户关系网络的模块度增量。
从中找出模块度增量的最大值，并确定该最大值对应的是将哪两个有连接边的客群对合并后得到的模块度增量，然后将确定的两个客群对进行合并，得到第二形式的客户关系网络。
计算得到第二形式的客户关系网络的模块度，然后分别计算将第二形式的客户关系网络中的每两个有连接边的客群对合并后的客户关系网络的模块度增量。
从中找出模块度增量的最大值，并确定该最大值对应的是将哪两个有连接边的客群对合并后得到的模块度增量，然后将确定的两个客群对进行合并，得到第三形式的客户关系网络。
以此类推，循环地对客户关系网络进行合群合并处理，直到将整个客户关系网络合并为一个大的客群。
在上述对客户关系网络进行客群合并过程中，记录每一次合并客群对后得到的客户关系网络的模块度的值。
S103、确认在所述循环地计算客户关系网络的模块度以及根据计算得到的模块度对客户关系网络进行客群合并处理的过程中，计算得到的模块度最大的客户关系网络，并将所述模块度最大的客户关系网络设定为客户关系网络划分结果。
具体的，在通过执行步骤S102循环地对客户关系网络进行客群合并，直到将客户关系网络合并为一个大的客群后。本发明实施例同时得到了在上述合并客群过程中得到的每次合并合群后的客户关系网络的模块度的值。
基于上述关于网络模块度的介绍：模块度值的大小主要取决于网络中结点的社区分配，即网络的社区划分情况，可以用来定量的衡量网络社区划分质量，其值越接近1，表示网络划分出的社区结构的强度越强，也就是划分质量越好。因此可以通过最大化模块度来获得最优的网络社区划分。
因此，本发明实施例从得到的每次合并客群后的客户关系网络的模块度的值中，找出最大的模块度的值，并将该值对应的客户关系网络，作为对客户关系网络进行客群划分后的客户关系网络。
通过上述介绍可见，本发明实施例提出的划分客户关系网络的方法，首先将客户关系网络中的客户节点划分为多个客群；然后循环地计算客户关系网络的模块度，以及根据计算得到的模块度对客户关系网络进行客群合并处理，直到将所述客户关系网络合并为一个客群；最后确认在所述循环地计算客户关系网络的模块度以及根据计算得到的模块度对客户关系网络进行客群合并处理的过程中，计算得到的模块度最大的客户关系网络，并将所述模块度最大的客户关系网络设定为客户关系网络划分结果。上述处理过程应用客户关系网络的模块度实现对客户关系网络的客群划分，并找出其中的最优客群划分结果，达到了将客户关系网络最优划分的目的，实现了对客户群体的量化识别。
可选的，在本发明的另一个实施例中，参见图4所示，所述循环地计算客户关系网络的模块度，以及根据计算得到的模块度对客户关系网络进行客群合并处理，直到将所述客户关系网络合并为一个客群，包括：
S402、根据客户关系网络的客群关系矩阵和所述客户关系网络中各个客群之间的风险传导系数，计算得到所述客户关系网络的模块度；其中，所述客群关系矩阵为表示客群之间的连接关系的矩阵；
具体的，上述客户关系网络的客群关系矩阵，是指表示客户关系网络中的客群之间的连接关系的矩阵。在本发明实施例中，客群关系矩阵如图3所示，其中对角线元素表示子网内部的所有客户节点之间的连接边的权重之和占整个客户关系网络中的所有客户节点之间的连接边权重之和的比例，非对角线元素表示子网和子网之间的客户节点之间的连接边的权重之和的一半占整个客户关系网络中的所有客户节点之间的连接边的权重之和的比例(由于与是将子网和子网之间的边统计了2次，因此取值取一半)。
上述的连接边的权重，即连接边所连接的客户节点之间的风险传导系数。
上述的模块度也称模块化度量值，是目前常用的一种衡量网络社区结构强度的方法，模块度值的大小主要取决于网络中结点的社区分配，即网络的社区划分情况，可以用来定量的衡量网络社区划分质量，其值越接近1，表示网络划分出的社区结构的强度越强，也就是划分质量越好。因此可以通过最大化模块度来获得最优的网络社区划分。
假设客户关系网络已经划分出了个n个客群，即n个子网，那么定义一个n*n的对称矩阵，如图3所示，其中对角线元素表示子网内部的所有客户节点之间的连接边的权重之和占整个客户关系网络中的所有客户节点之间的连接边权重之和的比例，非对角线元素表示子网和子网之间的客户节点之间的连接边的权重之和的一半占整个客户关系网络中的所有客户节点之间的连接边的权重之和的比例(由于与是将子网和子网之间的边统计了2次，因此取值取一半)。假设Wll表示子网l内的客户节点之间的连接边权值之和，Wlk表示子网l与子网k的客户节点之间的连接边的权值之和，s表示整个客户关系网络的所有客户节点之间的连接边的权值之和，因此模块度(Modularity)Q计量公式为：
Q＝∑lWll/s-∑l(∑kWlk/2s)2
按照上述计算公式，可以计算得到客户关系网络的模块度。
S403、分别计算得到合并所述客户关系网络中有连接边相连的客群对后的所述客户关系网络的模块度增量；
具体的，针对当前客户关系网络中每对有连接边相连的客群对，计算将其合并后的客户关系网络的模块度增量。
在本发明的另一个实施例中，具体公开了针对客户关系网络中任意一对有连接边相连的客群对，计算将其合并后的客户关系网络的模块度增量的处理过程。参见图5所示，该过程包括：
S501、计算得到将所述有连接边相连的客群对合并后的客户关系网络的模块度；
具体的，将上述有连接边相连的客群对合并后，可以得到新的客群，从而会使客户关系网络的客群关系矩阵发生变化。按照上述步骤S402介绍的计算客群关系矩阵的模块度的方法，重新计算新的客群关系矩阵，也就是新的客户关系网络的模块度，即得到将有连接边的客群对合并后的客户关系网络的模块度。
S502、根据计算得到的将所述有连接边相连的客群对合并后的客户关系网络的模块度，和将所述有连接边相连的客群对合并前的客户关系网络的模块度，计算得到将所述有连接边相连的客群对合并后的客户关系网络的模块度增量。
具体的，在计算得到将上述有连接边连接的客群对合并后的客户关系网络的模块度后，用该模块度减去在将上述有连接边连接的客群对合并前的客户关系网络的模块度，即得到将上述有连接边连接的客群对合并后的客户关系网络的模块度增量。
按照图5所示的处理方法，针对客户关系网络中每对有连接边连接的客群对，分别计算将其合并后的客户关系网络模块度增量。
S404、根据计算得到的各个模块度增量的值，确认最优可合并客群对；其中，将所述最优可合并客群对合并后的所述客户关系网络的模块度增量最大；
具体的，在分别计算得到将各个客群对合并后的客户关系网络的模块度增量后，从中找出最大的模块度增量，该最大模块度增量对应的客群对，即为最优可合并客群对。
在本发明的另一个实施例中还指出，如果在分别计算得到将各个客群对合并后的客户关系网络的模块度增量后，从中找出最大的模块度增量时，找出有多个相等的，最大的模块度增量，则可以确认有多对最优可合并客群对。此时，本发明实施例从中任选一个最优可合并客群对作为最终确认的最优可合并客群对。也就是说，本发明实施例保证每次只选出一对最优可合并客群对。
S405、合并所述最优可合并客群对，得到合并后的客户关系网络；
具体的，将上述最优可合并客群对合并得到新的客群，从而使客户关系网络也发生变化，得到新的客户关系网络，也就是将最优可合并客群对合并后的客户关系网络。
S406、判断是否将所述客户关系网络合并为一个客群；
如果是，则停止合并客群，继续执行步骤S407；
如果不是，则返回执行步骤S402，直到将所述客户关系网络合并为一个客群时停止合并客群，继续执行步骤S407。
具体的，在每一次合并一对最优可合并客群对后，进行一次判断，判断是否将整个客户关系网络合并成了一个客群，如果合并成了一个客群，则已经无法再对客户关系网络进行客群合并，故停止合并合群。如果客户关系网络里还包括多个客群，则返回重复执行步骤S402～S406，直到将客户关系网络合并为一个客群。
本实施例中的步骤S401和步骤S407分别对应图1所示的方法实施例中的步骤S101和步骤S103，其具体内容请参见图1所示的方法实施例的内容，此处不再赘述。
本发明实施例还公开了一种划分客户关系网络的装置，参见图6所示，该装置包括：
网络初始化单元100，用于将客户关系网络中的客户节点划分为多个客群；
客群合并单元110，用于循环地计算客户关系网络的模块度，以及根据计算得到的模块度对客户关系网络进行客群合并处理，直到将所述客户关系网络合并为一个客群；
划分结果确认单元120，用于确认在所述循环地计算客户关系网络的模块度以及根据计算得到的模块度对客户关系网络进行客群合并处理的过程中，计算得到的模块度最大的客户关系网络，并将所述模块度最大的客户关系网络设定为客户关系网络划分结果。
可选的，在本发明的另一个实施例中，参见图7所示，所述客群合并单元110，包括：
网络模块度计算单元1101，用于根据客户关系网络的客群关系矩阵和所述客户关系网络中各个客群之间的风险传导系数，计算得到所述客户关系网络的模块度；其中，所述客群关系矩阵为表示客群之间的连接关系的矩阵；
模块度增量计算单元1102，用于分别计算得到合并所述客户关系网络中有连接边相连的客群对后的所述客户关系网络的模块度增量；
最优可合并客群对确认单元1103，用于根据计算得到的各个模块度增量的值，确认最优可合并客群对；其中，将所述最优可合并客群对合并后的所述客户关系网络的模块度增量最大；
客群对合并单元1104，用于合并所述最优可合并客群对，得到合并后的客户关系网络。
其中，所述模块度增量计算单元1102分别计算得到合并所述客户关系网络中有连接边相连的客群对后的所述客户关系网络的模块度增量时，具体用于：
针对所述客户关系网络中有连接边相连的客群对，分别执行以下处理：
计算得到将所述有连接边相连的客群对合并后的客户关系网络的模块度；
根据计算得到的将所述有连接边相连的客群对合并后的客户关系网络的模块度，和将所述有连接边相连的客群对合并前的客户关系网络的模块度，计算得到将所述有连接边相连的客群对合并后的客户关系网络的模块度增量。
可选的，在本发明的另一个实施例中，所述最优可合并客群对确认单元1103，还用于：
当根据计算得到的各个模块度增量的值，确认有多对最优可合并客群对时，从所述多对最优可合并客群对中任选其一作为最终确认的最优可合并客群对。
具体的，上述各个实施例中的各个单元的具体工作内容，请参见上述方法实施例的内容，此处不再赘述。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.一种划分客户关系网络的方法，其特征在于，包括：
将客户关系网络中的客户节点划分为多个客群；
循环地计算客户关系网络的模块度，以及根据计算得到的模块度对客户关系网络进行客群合并处理，直到将所述客户关系网络合并为一个客群；
确认在所述循环地计算客户关系网络的模块度以及根据计算得到的模块度对客户关系网络进行客群合并处理的过程中，计算得到的模块度最大的客户关系网络，并将所述模块度最大的客户关系网络设定为客户关系网络划分结果。
2.根据权利要求1所述的方法，其特征在于，所述循环地计算客户关系网络的模块度，以及根据计算得到的模块度对客户关系网络进行客群合并处理，直到将所述客户关系网络合并为一个客群，包括：
循环执行以下操作，直到将所述客户关系网络合并为一个客群：
根据客户关系网络的客群关系矩阵和所述客户关系网络中各个客群之间的风险传导系数，计算得到所述客户关系网络的模块度；其中，所述客群关系矩阵为表示客群之间的连接关系的矩阵；
分别计算得到合并所述客户关系网络中有连接边相连的客群对后的所述客户关系网络的模块度增量；
根据计算得到的各个模块度增量的值，确认最优可合并客群对；其中，将所述最优可合并客群对合并后的所述客户关系网络的模块度增量最大；
合并所述最优可合并客群对，得到合并后的客户关系网络。
3.根据权利要求2所述的方法，其特征在于，所述分别计算得到合并所述客户关系网络中有连接边相连的客群对后的所述客户关系网络的模块度增量，包括：
针对所述客户关系网络中有连接边相连的客群对，分别执行以下处理：
计算得到将所述有连接边相连的客群对合并后的客户关系网络的模块度；
根据计算得到的将所述有连接边相连的客群对合并后的客户关系网络的模块度，和将所述有连接边相连的客群对合并前的客户关系网络的模块度，计算得到将所述有连接边相连的客群对合并后的客户关系网络的模块度增量。
4.根据权利要求2或3所述的方法，其特征在于，该方法还包括：
当根据计算得到的各个模块度增量的值，确认有多对最优可合并客群对时，从所述多对最优可合并客群对中任选其一作为最终确认的最优可合并客群对。
5.一种划分客户关系网络的装置，其特征在于，包括：
网络初始化单元，用于将客户关系网络中的客户节点划分为多个客群；
客群合并单元，用于循环地计算客户关系网络的模块度，以及根据计算得到的模块度对客户关系网络进行客群合并处理，直到将所述客户关系网络合并为一个客群；
划分结果确认单元，用于确认在所述循环地计算客户关系网络的模块度以及根据计算得到的模块度对客户关系网络进行客群合并处理的过程中，计算得到的模块度最大的客户关系网络，并将所述模块度最大的客户关系网络设定为客户关系网络划分结果。
6.根据权利要求5所述的装置，其特征在于，所述客群合并单元，包括：
网络模块度计算单元，用于根据客户关系网络的客群关系矩阵和所述客户关系网络中各个客群之间的风险传导系数，计算得到所述客户关系网络的模块度；其中，所述客群关系矩阵为表示客群之间的连接关系的矩阵；
模块度增量计算单元，用于分别计算得到合并所述客户关系网络中有连接边相连的客群对后的所述客户关系网络的模块度增量；
最优可合并客群对确认单元，用于根据计算得到的各个模块度增量的值，确认最优可合并客群对；其中，将所述最优可合并客群对合并后的所述客户关系网络的模块度增量最大；
客群对合并单元，用于合并所述最优可合并客群对，得到合并后的客户关系网络。
7.根据权利要求6所述的装置，其特征在于，所述模块度增量计算单元分别计算得到合并所述客户关系网络中有连接边相连的客群对后的所述客户关系网络的模块度增量时，具体用于：
针对所述客户关系网络中有连接边相连的客群对，分别执行以下处理：
计算得到将所述有连接边相连的客群对合并后的客户关系网络的模块度；
根据计算得到的将所述有连接边相连的客群对合并后的客户关系网络的模块度，和将所述有连接边相连的客群对合并前的客户关系网络的模块度，计算得到将所述有连接边相连的客群对合并后的客户关系网络的模块度增量。
8.根据权利要求6或7所述的装置，其特征在于，所述最优可合并客群对确认单元，还用于：
当根据计算得到的各个模块度增量的值，确认有多对最优可合并客群对时，从所述多对最优可合并客群对中任选其一作为最终确认的最优可合并客群对。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810575472.8A CN108711064A (zh) | 2018-06-06 | 2018-06-06 | 一种划分客户关系网络的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810575472.8A CN108711064A (zh) | 2018-06-06 | 2018-06-06 | 一种划分客户关系网络的方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108711064A true CN108711064A (zh) | 2018-10-26 |
Family
ID=63870405
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810575472.8A Pending CN108711064A (zh) | 2018-06-06 | 2018-06-06 | 一种划分客户关系网络的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108711064A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110555564A (zh) * | 2019-09-06 | 2019-12-10 | 中国农业银行股份有限公司 | 一种客户关联风险的预测方法及装置 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104077280A (zh) * | 2013-03-25 | 2014-10-01 | 中兴通讯股份有限公司 | 社区发现并行化方法和系统、主节点和运算节点设备 |
| CN106570082A (zh) * | 2016-10-19 | 2017-04-19 | 浙江工业大学 | 一种结合网络拓扑特征和用户行为特征的朋友关系挖掘方法 |
| CN107832964A (zh) * | 2017-11-21 | 2018-03-23 | 江苏神威云数据科技有限公司 | 银行客户关系圈分析方法及系统 |
-
2018
- 2018-06-06 CN CN201810575472.8A patent/CN108711064A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104077280A (zh) * | 2013-03-25 | 2014-10-01 | 中兴通讯股份有限公司 | 社区发现并行化方法和系统、主节点和运算节点设备 |
| CN106570082A (zh) * | 2016-10-19 | 2017-04-19 | 浙江工业大学 | 一种结合网络拓扑特征和用户行为特征的朋友关系挖掘方法 |
| CN107832964A (zh) * | 2017-11-21 | 2018-03-23 | 江苏神威云数据科技有限公司 | 银行客户关系圈分析方法及系统 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110555564A (zh) * | 2019-09-06 | 2019-12-10 | 中国农业银行股份有限公司 | 一种客户关联风险的预测方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2021043317A1 (zh) | 台区识别方法、构建台区线路拓扑的方法 | |
| CN111026927B (zh) | 一种低压台区运行状态智能监测系统 | |
| CN108173263B (zh) | 一种基于ami量测信息的配电网拓扑错误辨识算法 | |
| WO2021253806A1 (zh) | 一种基于电压关联特性的低压台区相户关系识别方法 | |
| CN106411257B (zh) | 一种光伏电站状态诊断方法及装置 | |
| CN105976257A (zh) | 基于隶属度函数的模糊综合评价法的电网脆弱性评估方法 | |
| CN102324743A (zh) | 电力系统在线暂态安全稳定评估预想故障筛选方法 | |
| CN115267323B (zh) | 一种线损分析管理系统 | |
| CN106786529B (zh) | 一种分布式静态安全分析方法 | |
| TWI479159B (zh) | 電壓穩定度即時估測方法 | |
| CN109919425A (zh) | 一种基于相关性分析的台区用户关系纠错方法 | |
| CN104779608B (zh) | 基于离线策略的电力系统安全稳定在线附加紧急控制方法 | |
| CN110601173B (zh) | 基于边缘计算的配网拓扑识别方法及装置 | |
| CN103473602A (zh) | 一种电网理论线损数据预测系统及预测方法 | |
| CN108711064A (zh) | 一种划分客户关系网络的方法及装置 | |
| CN109066651A (zh) | 风电-负荷场景的极限传输功率的计算方法 | |
| CN108649597A (zh) | 一种故障迁移方法和故障对hvdc换相失败影响的分析方法 | |
| CN110348540A (zh) | 基于聚类的电力系统暂态功角稳定故障筛选方法及装置 | |
| CN109412879A (zh) | 端口状态参数获取方法、装置及传输设备、存储介质 | |
| CN109783481A (zh) | 数据处理方法和装置 | |
| CN109217304A (zh) | 基于wams系统量测量的线路参数辨识方法 | |
| CN109085513A (zh) | 一种电池内阻计算的方法和装置 | |
| CN107425523A (zh) | 一种复杂电力系统运行误差识别与自动校正方法及系统 | |
| CN105226644B (zh) | 基于可用容量一致性的带约束等值方法 | |
| CN111651448A (zh) | 一种基于降噪差分进化的低压拓扑识别方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181026 |
|
| RJ01 | Rejection of invention patent application after publication |