CN112446933B - 金融资产的图像化方法、装置、电子设备及可读存储介质 - Google Patents

金融资产的图像化方法、装置、电子设备及可读存储介质 Download PDF

Info

Publication number
CN112446933B
CN112446933B CN202011272263.XA CN202011272263A CN112446933B CN 112446933 B CN112446933 B CN 112446933B CN 202011272263 A CN202011272263 A CN 202011272263A CN 112446933 B CN112446933 B CN 112446933B
Authority
CN
China
Prior art keywords
financial
duty ratio
asset
visual image
correlation coefficient
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.)
Active
Application number
CN202011272263.XA
Other languages
English (en)
Other versions
CN112446933A (zh
Inventor
黄河
袁东宁
陈石
石换的
赵秀丽
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Citic Bank Corp Ltd
Original Assignee
China Citic Bank Corp Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Citic Bank Corp Ltd filed Critical China Citic Bank Corp Ltd
Priority to CN202011272263.XA priority Critical patent/CN112446933B/zh
Publication of CN112446933A publication Critical patent/CN112446933A/zh
Application granted granted Critical
Publication of CN112446933B publication Critical patent/CN112446933B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/20—Drawing from basic elements, e.g. lines or circles
    • G06T11/206—Drawing of charts or graphs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • 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
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Technology Law (AREA)
  • Computing Systems (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Finance (AREA)
  • General Business, Economics & Management (AREA)
  • Algebra (AREA)
  • Accounting & Taxation (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本申请实施例提供了一种金融资产的图像化方法、装置、电子设备及可读存储介质。该方法包括：获取目标客户的金融资产数据，金融金融资产数据包括目标用户对至少一种金融产品的持有量；基于目标客户持有的各金融产品在目标客户持有的所有金融产品中的持有量占比，确定各金融产品的持有量平均占比；基于持有量平均占比，确定各金融产品的相关性；基于持有量占比以及相关性，并根据网络布局算法对金融资产数据构建可视化图像。基于本方案，能够将对目标客户金融资产的分析结果在直观展示，有利于用户的使用，并且是将结构化的金融数据转化成可视化图像，为基于可视化图像进行深度学习提供基础，有利于实现对金融数据的精准分析。

Description

金融资产的图像化方法、装置、电子设备及可读存储介质
技术领域
本申请涉及数据图像技术领域，具体而言，本申请涉及一种金融资产的图像化方法、装置、电子设备及可读存储介质。
背景技术
目前，金融系统中(如银行等)的数据多以结构化数据为主。在对金融数据中客户的金融资产进行分析时，分析结果在展示时的直观性较为一般，无法满足用户的使用需求。
另外，目前深度学习主要是针对于图像数据进行的，但是金融系统中多以结构化数据为主，如能将结构化的金融数据转化成图像，则能够为基于转化后的图像进行深度学习提供基础，有利于实现对金融数据的精准分析。
发明内容
本申请的目的旨在至少能解决上述的技术缺陷之一。本申请所采用的技术方案如下：
第一方面，本申请实施例提供了一种金融资产的图像化方法，该方法包括：
获取目标客户的金融资产数据，金融金融资产数据包括目标用户对至少一种金融产品的持有量；
基于目标客户持有的各金融产品在目标客户持有的所有金融产品中的持有量占比，确定各金融产品的持有量平均占比；
基于持有量平均占比，确定各金融产品的相关性；
基于持有量占比以及相关性，并根据网络布局算法对金融资产数据构建可视化图像。
可选地，基于持有量平均占比，确定各金融产品的相关性，包括：
基于持有量平均占比，构建各金融产品之间的相关系数矩阵。
可选地，基于持有量占比以及相关性，并根据网络布局算法对金融资产数据构建可视化图像，包括：
基于持有量占比，并根据网络布局算法构建资产占比图；
基于相关系数矩阵中的相关系数对资产占比图进行布局调整；
基于布局调整后的资产占比图构建可视化图像。
可选地，基于相关系数矩阵中的相关系数对资产占比图进行布局调整，包括：
将于相关系数矩阵中的相关系数作为引导力，基于力引导布局算法对资产占比图进行布局调整。
可选地，基于布局调整后的资产占比图进行可视化展示，包括：
对布局调整后的资产占比图进行渲染，得到可视化图像。
可选地，上述方法还包括：
获取待处理客户的可视化图像；
将待处理客户的可视化图像转化为特征向量；
对特征向量进行聚类处理，得到聚类处理结果；
基于聚类处理结果对待处理客户进行客户细分。
可选地，将待处理客户的可视化图像转化为特征向量，包括：
将待处理客户的可视化图像转化为初始特征向量；
对初始特征向量进行降维处理，得到特征向量。
第二方面，本申请实施例提供了一种金融资产的图像化装置，该装置包括：
持有量确定模块，用于获取目标客户的金融资产数据，金融金融资产数据包括目标用户对至少一种金融产品的持有量；
持有量平均占比确定模块，用于基于目标客户持有的各金融产品在目标客户持有的所有金融产品中的持有量占比，确定各金融产品的持有量平均占比；
相关性确定模块，用于基于持有量平均占比，确定各金融产品的相关性；
图像化模块，用于基于持有量占比以及相关性，并根据网络布局算法对金融资产数据构建可视化图像。
可选地，相关性确定模块具体用于：
基于持有量平均占比，构建各金融产品之间的相关系数矩阵。
可选地，图像化模块具体用于：
基于持有量占比，并根据网络布局算法构建资产占比图；
基于相关系数矩阵中的相关系数对资产占比图进行布局调整；
基于布局调整后的资产占比图构建可视化图像。
可选地，图像化模块在基于相关系数矩阵中的相关系数对资产占比图进行布局调整时，具体用于：
将于相关系数矩阵中的相关系数作为引导力，基于力引导布局算法对资产占比图进行布局调整。
可选地，可选地，图像化模块在基于布局调整后的资产占比图进行可视化展示时，具体用于：
对布局调整后的资产占比图进行渲染，得到可视化图像。
可选地，上述装置还包括客户细分模块，客户细分模块具体用于：
获取待处理客户的可视化图像；
将待处理客户的可视化图像转化为特征向量；
对特征向量进行聚类处理，得到聚类处理结果；
基于聚类处理结果对待处理客户进行客户细分。
可选地，客户细分模块在将待处理客户的可视化图像转化为特征向量时，具体用于：
将待处理客户的可视化图像转化为初始特征向量；
对初始特征向量进行降维处理，得到特征向量。
第三方面，本申请实施例提供了一种电子设备，该电子设备包括：处理器和存储器；
存储器，用于存储操作指令；
处理器，用于通过调用操作指令，执行如本申请的第一方面的任一实施方式中所示的金融资产的图像化方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本申请的第一方面的任一实施方式中所示的金融资产的图像化方法。
本申请实施例提供的技术方案带来的有益效果是：
本申请实施例提供的方案，通过获取目标客户的金融资产数据，金融金融资产数据包括目标用户对至少一种金融产品的持有量，基于目标客户持有的各金融产品在目标客户持有的所有金融产品中的持有量占比，确定各金融产品的持有量平均占比，基于持有量平均占比，确定各金融产品的相关性，基于持有量占比以及相关性，并根据网络布局算法对金融资产数据构建可视化图像。基于本方案，能够将对目标客户金融资产的分析结果在直观展示，有利于用户的使用，并且是将结构化的金融数据转化成可视化图像，为基于可视化图像进行深度学习提供基础，有利于实现对金融数据的精准分析。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对本申请实施例描述中所需要使用的附图作简单地介绍。
图1为本申请实施例提供的一种金融资产的图像化方法的流程示意图；
图2为本申请实施例提供的一种金融资产的图像化装置的结构示意图；
图3为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本申请，而不能解释为对本发明的限制。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。
图1示出了本申请实施例提供的一种金融资产的图像化方法的流程示意图，如图1所示，该方法主要可以包括：
步骤S110：获取目标客户的金融资产数据，金融金融资产数据包括目标用户对至少一种金融产品的持有量；
步骤S120：基于目标客户持有的各金融产品在目标客户持有的所有金融产品中的持有量占比，确定各金融产品的持有量平均占比；
步骤S130：基于持有量平均占比，确定各金融产品的相关性；
步骤S140：基于持有量占比以及相关性，并根据网络布局算法对金融资产数据构建可视化图像。
本申请实施例中，目标客户可以为金融系统内的全部客户，如某银行的全部客户，也可以为根据实际需要选定的特定部分客户。
本申请实施例中，客户的金融资产数据可以包括对各种金融产品的持有量，金融产品可以包括如理财、国债、活期存款、代理推介、薪金煲、保险、定期存款、贵金属、基金以及贷款等。
本申请实施例中，为了便于对客户的资产持有情况进行分析，可以计算客户持有的各种金融产品在该客户总资产的占比情况，即持有量占比。
本申请实施例中，针对任一金融产品，可以根据该产品在各目标客户的持有量占比，来计算该金融产品在所有目标客户中的持有量平均占比，以便于根据各金融产品的持有量平均占比，来确定各金融产品的相关性。
网络布局算法(Spring-Layout)也叫力导向算法，是指通过对每个节点的计算，算出引力和排斥力综合的合力，再由此合力来移动节点的位置，直至达到稳定平衡的状态。
本申请实施例中，可以基于持有量占比以及相关性，并通过网络布局算法对金融资产数据构建可视化图像。构建出的可视化图像中，能够直观的展示出各客户持有资产的相关性。
本申请实施例提供的方法，通过获取目标客户的金融资产数据，金融金融资产数据包括目标用户对至少一种金融产品的持有量，基于目标客户持有的各金融产品在目标客户持有的所有金融产品中的持有量占比，确定各金融产品的持有量平均占比，基于持有量平均占比，确定各金融产品的相关性，基于持有量占比以及相关性，并根据网络布局算法对金融资产数据构建可视化图像。基于本方案，能够将对目标客户金融资产的分析结果在直观展示，有利于用户的使用，并且是将结构化的金融数据转化成可视化图像，为基于可视化图像进行深度学习提供基础，有利于实现对金融数据的精准分析。
本申请实施例的一种可选方式中，基于持有量平均占比，确定各金融产品的相关性，包括：
基于持有量平均占比，构建各金融产品之间的相关系数矩阵。
本申请实施例中，各金融产品的相关性可以通过计算相关系数得到，因此可以基于各金融产品的持有量平均占比，构建各金融产品之间的相关系数矩阵。
本申请实施例的一种可选方式中，基于持有量占比以及相关性，并根据网络布局算法对金融资产数据构建可视化图像，包括：
基于持有量占比，并根据网络布局算法构建资产占比图；
基于相关系数矩阵中的相关系数对资产占比图进行布局调整；
基于布局调整后的资产占比图构建可视化图像。
本申请实施例中，可以基于持有量占比，并根据网络布局算法构建资产占比图，并基于相关系数矩阵中的相关系数对资产占比图进行布局调整，使得布局达到平衡，即每个金融产品在资产占比图中均处于合适的坐标位置。
本申请实施例的一种可选方式中，基于相关系数矩阵中的相关系数对资产占比图进行布局调整，包括：
将于相关系数矩阵中的相关系数作为引导力，基于力引导布局算法对资产占比图进行布局调整。
本申请实施例中，可以将于相关系数矩阵中的相关系数作为引导力，即资产占比图中每个坐标点的引力和排斥力综合的合力。从而根据力引导布局算法对资产占比图进行布局调整。
本申请实施例的一种可选方式中，基于布局调整后的资产占比图进行可视化展示，包括：
对布局调整后的资产占比图进行渲染，得到可视化图像。
本申请实施例中，可以调用Grid-data网格数据、Contour等高线、Color-map颜色映射等Python工具包，将每个目标客户的资产占比图渲染成有边界的可视化图像。
本申请实施例的一种可选方式中，上述方法还包括：
获取待处理客户的可视化图像；
将待处理客户的可视化图像转化为特征向量；
对特征向量进行聚类处理，得到聚类处理结果；
基于聚类处理结果对待处理客户进行客户细分。
本申请实施例中，可以将上述可视化图像应用在基于深度学习的客户微细分项目中。微细分项目主要是根据客户资产持有情况对客户进行细分，识别客户资产偏好，以此对客户个性化精准营销。
具体而言，可以先将待处理客户金融资产的可视化图像转化为特征向量，而后对特征向量进行聚类处理，得到聚类处理结果，从而基于聚类处理结果对待处理客户进行客户细分，有利于对客户细分后的客户群组进行精准营销。
本申请实施例的一种可选方式中，将待处理客户的可视化图像转化为特征向量，包括：
将待处理客户的可视化图像转化为初始特征向量；
对初始特征向量进行降维处理，得到特征向量。
本申请实施例中，初始特征向量可能具有较高的维度，可以运用自动编码器对图片进行压缩降维，以便于后续的聚类处理。
基于与图1中所示的方法相同的原理，图2示出了本申请实施例提供的一种金融资产的图像化装置的结构示意图，如图2所示，该金融资产的图像化装置20可以包括：
持有量确定模块210，用于获取目标客户的金融资产数据，金融金融资产数据包括目标用户对至少一种金融产品的持有量；
持有量平均占比确定模块220，用于基于目标客户持有的各金融产品在目标客户持有的所有金融产品中的持有量占比，确定各金融产品的持有量平均占比；
相关性确定模块230，用于基于持有量平均占比，确定各金融产品的相关性；
图像化模块240，用于基于持有量占比以及相关性，并根据网络布局算法对金融资产数据构建可视化图像。
本申请实施例提供的装置，通过获取目标客户的金融资产数据，金融金融资产数据包括目标用户对至少一种金融产品的持有量，基于目标客户持有的各金融产品在目标客户持有的所有金融产品中的持有量占比，确定各金融产品的持有量平均占比，基于持有量平均占比，确定各金融产品的相关性，基于持有量占比以及相关性，并根据网络布局算法对金融资产数据构建可视化图像。基于本方案，能够将对目标客户金融资产的分析结果在直观展示，有利于用户的使用，并且是将结构化的金融数据转化成可视化图像，为基于可视化图像进行深度学习提供基础，有利于实现对金融数据的精准分析。
可选地，相关性确定模块具体用于：
基于持有量平均占比，构建各金融产品之间的相关系数矩阵。
可选地，图像化模块具体用于：
基于持有量占比，并根据网络布局算法构建资产占比图；
基于相关系数矩阵中的相关系数对资产占比图进行布局调整；
基于布局调整后的资产占比图构建可视化图像。
可选地，图像化模块在基于相关系数矩阵中的相关系数对资产占比图进行布局调整时，具体用于：
将于相关系数矩阵中的相关系数作为引导力，基于力引导布局算法对资产占比图进行布局调整。
可选地，可选地，图像化模块在基于布局调整后的资产占比图进行可视化展示时，具体用于：
对布局调整后的资产占比图进行渲染，得到可视化图像。
可选地，上述装置还包括客户细分模块，客户细分模块具体用于：
获取待处理客户的可视化图像；
将待处理客户的可视化图像转化为特征向量；
对特征向量进行聚类处理，得到聚类处理结果；
基于聚类处理结果对待处理客户进行客户细分。
可选地，客户细分模块在将待处理客户的可视化图像转化为特征向量时，具体用于：
将待处理客户的可视化图像转化为初始特征向量；
对初始特征向量进行降维处理，得到特征向量。
可以理解的是，本实施例中的金融资产的图像化装置的上述各模块具有实现图1中所示的实施例中的金融资产的图像化方法相应步骤的功能。该功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。该硬件或软件包括一个或多个与上述功能相对应的模块。上述模块可以是软件和/或硬件，上述各模块可以单独实现，也可以多个模块集成实现。对于上述金融资产的图像化装置的各模块的功能描述具体可以参见图1中所示实施例中的金融资产的图像化方法的对应描述，在此不再赘述。
本申请实施例提供了一种电子设备，包括处理器和存储器；
存储器，用于存储操作指令；
处理器，用于通过调用操作指令，执行本申请任一实施方式中所提供的金融资产的图像化方法。
作为一个示例，图3示出了本申请实施例所适用的一种电子设备的结构示意图，如图3所示，该电子设备2000包括：处理器2001和存储器2003。其中，处理器2001和存储器2003相连，如通过总线2002相连。可选的，电子设备2000还可以包括收发器2004。需要说明的是，实际应用中收发器2004不限于一个，该电子设备2000的结构并不构成对本申请实施例的限定。
其中，处理器2001应用于本申请实施例中，用于实现上述方法实施例所示的方法。收发器2004可以包括接收机和发射机，收发器2004应用于本申请实施例中，用于执行时实现本申请实施例的电子设备与其他设备通信的功能。
处理器2001可以是CPU(Central Processing Unit，中央处理器)，通用处理器，DSP(Digital Signal Processor，数据信号处理器)，ASIC(Application SpecificIntegrated Circuit，专用集成电路)，FPGA(Field Programmable Gate Array，现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器2001也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。
总线2002可包括一通路，在上述组件之间传送信息。总线2002可以是PCI(Peripheral Component Interconnect，外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture，扩展工业标准结构)总线等。总线2002可以分为地址总线、数据总线、控制总线等。为便于表示，图3中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
存储器2003可以是ROM(Read Only Memory，只读存储器)或可存储静态信息和指令的其他类型的静态存储设备，RAM(Random Access Memory，随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory，电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory，只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。
可选的，存储器2003用于存储执行本申请方案的应用程序代码，并由处理器2001来控制执行。处理器2001用于执行存储器2003中存储的应用程序代码，以实现本申请任一实施方式中所提供的金融资产的图像化方法。
本申请实施例提供的电子设备，适用于上述方法任一实施例，在此不再赘述。
本申请实施例提供了一种电子设备，与现有技术相比，通过获取目标客户的金融资产数据，金融金融资产数据包括目标用户对至少一种金融产品的持有量，基于目标客户持有的各金融产品在目标客户持有的所有金融产品中的持有量占比，确定各金融产品的持有量平均占比，基于持有量平均占比，确定各金融产品的相关性，基于持有量占比以及相关性，并根据网络布局算法对金融资产数据构建可视化图像。基于本方案，能够将对目标客户金融资产的分析结果在直观展示，有利于用户的使用，并且是将结构化的金融数据转化成可视化图像，为基于可视化图像进行深度学习提供基础，有利于实现对金融数据的精准分析。
本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该程序被处理器执行时实现上述方法实施例所示的金融资产的图像化方法。
本申请实施例提供的计算机可读存储介质，适用于上述方法任一实施例，在此不再赘述。
本申请实施例提供了一种计算机可读存储介质，与现有技术相比，通过获取目标客户的金融资产数据，金融金融资产数据包括目标用户对至少一种金融产品的持有量，基于目标客户持有的各金融产品在目标客户持有的所有金融产品中的持有量占比，确定各金融产品的持有量平均占比，基于持有量平均占比，确定各金融产品的相关性，基于持有量占比以及相关性，并根据网络布局算法对金融资产数据构建可视化图像。基于本方案，能够将对目标客户金融资产的分析结果在直观展示，有利于用户的使用，并且是将结构化的金融数据转化成可视化图像，为基于可视化图像进行深度学习提供基础，有利于实现对金融数据的精准分析。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上所述仅是本发明的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (6)

1.一种金融资产的图像化方法，其特征在于，包括：
获取目标用户的金融资产数据，所述金融资产数据包括所述目标用户对至少一种金融产品的持有量；
基于目标用户持有的各所述金融产品在所述目标用户持有的所有金融产品中的持有量占比，确定各所述金融产品的持有量平均占比；
基于所述持有量平均占比，确定各所述金融产品的相关性；
基于所述持有量占比以及所述相关性，并根据网络布局算法对所述金融资产数据构建可视化图像；
所述基于所述持有量平均占比，确定各所述金融产品的相关性，包括：
基于所述持有量平均占比，构建各所述金融产品之间的相关系数矩阵；
所述基于所述持有量占比以及所述相关性，并根据网络布局算法对所述金融资产数据构建可视化图像，包括：
基于所述持有量占比，并根据网络布局算法构建资产占比图；
基于所述相关系数矩阵中的相关系数对所述资产占比图进行布局调整；
基于布局调整后的所述资产占比图构建可视化图像；
所述基于所述相关系数矩阵中的相关系数对所述资产占比图进行布局调整，包括：
将所述于所述相关系数矩阵中的相关系数作为引导力，基于力引导布局算法对所述资产占比图进行布局调整；
所述基于布局调整后的所述资产占比图进行可视化展示，包括：
对布局调整后的所述资产占比图进行渲染，得到可视化图像。
2.根据权利要求1所述的方法，其特征在于，还包括：
获取待处理客户的可视化图像；
将所述待处理客户的可视化图像转化为特征向量；
对所述特征向量进行聚类处理，得到聚类处理结果；
基于所述聚类处理结果对所述待处理客户进行客户细分。
3.根据权利要求2所述的方法，其特征在于，所述将所述待处理客户的可视化图像转化为特征向量，包括：
所述将所述待处理客户的可视化图像转化为初始特征向量；
对所述初始特征向量进行降维处理，得到特征向量。
4.一种金融资产的图像化装置，其特征在于，包括：
持有量确定模块，用于获取目标用户的金融资产数据，所述金融资产数据包括所述目标用户对至少一种金融产品的持有量；
持有量平均占比确定模块，用于基于目标用户持有的各所述金融产品在所述目标用户持有的所有金融产品中的持有量占比，确定各所述金融产品的持有量平均占比；
相关性确定模块，用于基于所述持有量平均占比，确定各所述金融产品的相关性，包括，基于所述持有量平均占比，构建各所述金融产品之间的相关系数矩阵；
图像化模块，用于基于所述持有量占比以及所述相关性，并根据网络布局算法对所述金融资产数据构建可视化图像，包括，基于所述持有量占比，并根据网络布局算法构建资产占比图；
基于所述相关系数矩阵中的相关系数对所述资产占比图进行布局调整，其中，将所述于所述相关系数矩阵中的相关系数作为引导力，基于力引导布局算法对所述资产占比图进行布局调整；
基于布局调整后的所述资产占比图构建可视化图像，包括，对布局调整后的所述资产占比图进行渲染，得到可视化图像。
5.一种电子设备，其特征在于，包括处理器和存储器；
所述存储器，用于存储操作指令；
所述处理器，用于通过调用所述操作指令，执行权利要求1-3中任一项所述的方法。
6.一种计算机可读存储介质，其特征在于，所述存储介质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权利要求1-3中任一项所述的方法。
CN202011272263.XA 2020-11-13 2020-11-13 金融资产的图像化方法、装置、电子设备及可读存储介质 Active CN112446933B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011272263.XA CN112446933B (zh) 2020-11-13 2020-11-13 金融资产的图像化方法、装置、电子设备及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011272263.XA CN112446933B (zh) 2020-11-13 2020-11-13 金融资产的图像化方法、装置、电子设备及可读存储介质

Publications (2)

Publication Number Publication Date
CN112446933A CN112446933A (zh) 2021-03-05
CN112446933B true CN112446933B (zh) 2024-05-03

Family

ID=74738680

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011272263.XA Active CN112446933B (zh) 2020-11-13 2020-11-13 金融资产的图像化方法、装置、电子设备及可读存储介质

Country Status (1)

Country Link
CN (1) CN112446933B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI809649B (zh) * 2022-01-07 2023-07-21 新光金融控股股份有限公司 客戶價值二維探索方法及其系統

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106157155A (zh) * 2016-07-27 2016-11-23 北京大学 基于地图隐喻的社交媒体信息传播可视化分析方法及系统
CN106600398A (zh) * 2016-12-01 2017-04-26 云南大学 一种模拟存款保险制度运行的计算实验方法
CN107085582A (zh) * 2016-10-12 2017-08-22 雷盈企业管理（上海）有限公司 区块链数字资产可视化呈现方法、系统及服务器设备
CN107358530A (zh) * 2017-08-17 2017-11-17 杭州铜板街互联网金融信息服务有限公司 理财产品推荐方法
CN108154440A (zh) * 2017-12-21 2018-06-12 平安科技（深圳）有限公司 FoF资产行业分析方法、终端和计算机可读存储介质
CN109978697A (zh) * 2017-12-28 2019-07-05 广州潽蓝信息科技有限公司 一种模拟筛选目标金融产品的方法和装置
CN109978214A (zh) * 2017-12-28 2019-07-05 广州潽蓝信息科技有限公司 一种筛选目标金融产品的方法和装置
CN110120082A (zh) * 2019-04-04 2019-08-13 平安科技（深圳）有限公司 金融数据的图像处理方法、装置、设备及可读存储介质
CN110348462A (zh) * 2019-07-09 2019-10-18 北京金山数字娱乐科技有限公司 一种图像特征确定、视觉问答方法、装置、设备及介质

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106157155A (zh) * 2016-07-27 2016-11-23 北京大学 基于地图隐喻的社交媒体信息传播可视化分析方法及系统
CN107085582A (zh) * 2016-10-12 2017-08-22 雷盈企业管理（上海）有限公司 区块链数字资产可视化呈现方法、系统及服务器设备
CN106600398A (zh) * 2016-12-01 2017-04-26 云南大学 一种模拟存款保险制度运行的计算实验方法
CN107358530A (zh) * 2017-08-17 2017-11-17 杭州铜板街互联网金融信息服务有限公司 理财产品推荐方法
CN108154440A (zh) * 2017-12-21 2018-06-12 平安科技（深圳）有限公司 FoF资产行业分析方法、终端和计算机可读存储介质
CN109978697A (zh) * 2017-12-28 2019-07-05 广州潽蓝信息科技有限公司 一种模拟筛选目标金融产品的方法和装置
CN109978214A (zh) * 2017-12-28 2019-07-05 广州潽蓝信息科技有限公司 一种筛选目标金融产品的方法和装置
CN110120082A (zh) * 2019-04-04 2019-08-13 平安科技（深圳）有限公司 金融数据的图像处理方法、装置、设备及可读存储介质
CN110348462A (zh) * 2019-07-09 2019-10-18 北京金山数字娱乐科技有限公司 一种图像特征确定、视觉问答方法、装置、设备及介质

Also Published As

Publication number Publication date
CN112446933A (zh) 2021-03-05

Similar Documents

Publication Publication Date Title
CN109102151B (zh) 一种可疑群组识别方法和装置
CN111091123A (zh) 文本区域检测方法及设备
US9779406B2 (en) User feature identification method and apparatus
CN111967467A (zh) 图像目标检测方法、装置、电子设备和计算机可读介质
Abouelaziz et al. Blind 3D mesh visual quality assessment using support vector regression
CN109492891B (zh) 用户流失预测方法及装置
CN112446933B (zh) 金融资产的图像化方法、装置、电子设备及可读存储介质
CN108830828A (zh) 一种遥感图像变化检测方法及装置
EP3809285B1 (en) Method and apparatus with data processing
CN111898742A (zh) 一种用于监控神经网络模型训练状态的方法与设备
CN111143546A (zh) 一种获得推荐语的方法、装置及电子设备
CN111062385A (zh) 一种用于图像文本信息检测的网络模型构建方法与系统
CN111797282B (zh) 产品标签权重确定方法、装置、电子设备及可读存储介质
CN115471274A (zh) 公私联动客户标签体系建立方法、装置、设备及存储介质
CN116071279A (zh) 图像处理方法、装置、计算机设备和存储介质
CN113763405A (zh) 一种图像检测方法和装置
CN115688742B (zh) 基于人工智能的用户数据分析方法及ai系统
CN111475589A (zh) 图像数据的渲染方法及装置
CN115994955B (zh) 相机外参标定方法、装置和车辆
CN113284027B (zh) 团伙识别模型的训练方法、异常团伙识别方法及装置
CN117130708A (zh) 应用程序语言切换方法、装置、计算机设备和存储介质
CN116957773A (zh) 还款意向评价结果的确定方法、装置、设备及存储介质
CN115700517A (zh) 银行客户的关系图谱的挖掘方法、装置、处理器及电子设备
CN115311384A (zh) 仿真结果处理方法、装置、电子设备及计算机可读介质
CN118154300A (zh) 抵质押参数处理方法、装置、计算机设备和存储介质

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
GR01 Patent grant
GR01 Patent grant