CN114926002A - 客户亲密度判定方法、装置、设备、介质和程序产品 - Google Patents

Abstract

本发明公开了一种客户亲密度判定方法、装置、设备、介质和程序产品。该方法包括：获取客户的交易数据；其中，所述交易数据包括客户交易对手表和核心金融事件表；基于图算法，根据所述交易数据构建网络图谱；采用社区发现算法，根据所述网络图谱进行社群识别，得到客群网络结构；根据所述客群网络结构的社区特征，构建社区亲密度指标，得到社区亲密度；以及对社区内客户的亲密度指标进行衡量，得到社区内客户亲密度；根据所述社区亲密度和所述社区内客户亲密度，得到客户亲密度。与现有技术相比，本发明实施例提升了客户亲密度判定的准确性。

Description

客户亲密度判定方法、装置、设备、介质和程序产品

技术领域

本发明涉及数据处理技术领域，尤其涉及一种客户亲密度判定方法、装置、设备、介质和程序产品。

背景技术

随着技术的发展和大数据的流行，如何衡量客户的亲密程度，为客户管理提供可靠依据，成为银行等企业经营普遍关心的问题。在现有技术中，针对客户亲密程度的判定，主要有如下两种方案：

一是有监督的分类模型，首先对特征数据按照预设的准则进行亲密度打标；而后，通过对特征分箱、证据权重编码的方式，计算特征的信息价值挑选重要特征；采用分类模型得到亲密度评分结果，将模型结果与打标结果对比以调整模型；而后基于模型结果计算亲密度指标。

二是通过对社交数据进行分析，分析构建出个体之间社交数据中的重要特征；同时，结合图算法的部分特征，通过加权的方式，得到亲密度评估指标。

然而，第一种技术方案通过有监督的分类模型对亲密度进行评分，依赖专家经验对亲密度打标，不具备普遍性。第二种技术方案通过对社交数据和图特征加权的方式计算亲密度指标，虽然同时考虑了社交特征和图结构特征，但未充分考虑客户所属交易子图的社群特征。因此，现有技术存在亲密程度判定不准确的问题。

发明内容

本发明提供了一种客户亲密度判定方法、装置、设备、介质和程序产品，以提升客户亲密度判定的准确性。

根据本发明的一方面，提供了一种客户亲密度判定方法，包括：

获取客户的交易数据；其中，所述交易数据包括客户交易对手表和核心金融事件表；

基于图算法，根据所述交易数据构建网络图谱；

采用社区发现算法，根据所述网络图谱进行社群识别，得到客群网络结构；

根据所述客群网络结构的社区特征，构建社区亲密度指标，得到社区亲密度；以及对社区内客户的亲密度指标进行衡量，得到社区内客户亲密度；

根据所述社区亲密度和所述社区内客户亲密度，得到客户亲密度。

可选地，构建的所述社区亲密度指标包括：社区成员数、社区交易总笔数和社区交易总金额中的至少一种。

可选地，所述构建社区亲密度指标，得到社区亲密度，包括：

对所述社区亲密度指标进行标准化，并设置权重；

将标准化后的各所述社区亲密度指标进行加权求和，得到所述社区亲密度。

可选地，所述对社区内客户的亲密度指标进行衡量，得到社区内客户亲密度，包括：

根据所述社区特征，计算客户的多种中心性指标；

对所述中心性指标进行标准化；

将标准化后的各所述中心性指标进行求和，并乘以交易系数，得到所述社区内客户亲密度；其中，所述交易系数为该客户的交易笔数与交易金额做商后的结果。

可选地，所述中心性指标包括：点度中心度、接近中心度、中介中心度和特征向量中心性中的至少两种。

可选地，所述标准化的方法为最大最小标准化。

可选地，所述根据所述社区亲密度和所述社区内客户亲密度，得到客户亲密度，包括：

将所述社区亲密度指标和所述社区内客户亲密度相乘，得到所述客户亲密度。

可选地，所述基于图算法，根据所述交易数据构建网络图谱，包括：

将一笔对手交易视为图中的一条边，相应的将交易双方视为图的顶点，发生在同一组客户间交易的笔数视为边权重。

根据本发明的另一方面，提供了一种客户亲密度判定装置，包括：

数据获取模块，用于获取客户的交易数据；其中，所述交易数据包括客户交易对手表和核心金融事件表；

图谱构建模块，用于基于图算法，根据所述交易数据构建网络图谱；

社区发现模块，用于采用社区发现算法，根据所述网络图谱进行社群识别，得到客群网络结构；

特征分析模块，用于根据所述客群网络结构的社区特征，构建社区亲密度指标，得到社区亲密度；以及对社区内客户的亲密度指标进行衡量，得到社区内客户亲密度；

亲密度判断模块，用于根据所述社区亲密度和所述社区内客户亲密度，得到客户亲密度。

根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的客户亲密度判定方法。

根据本发明的另一方面，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存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的客户亲密度判定方法。

根据本发明的另一方面，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，所述计算机程序在被处理器执行时实现本发明任一实施例所述的客户亲密度判定方法。

本发明实施例从社交网络分析的角度，运用图算法对交易网络进行社区发现，结合社区特征计算社区亲密度。以及，在每个社区内，基于客户自身的亲密度指标，加权计算社区内客户亲密度。最后结合社区亲密度和社区内客户亲密度作为企业客户亲密度的衡量。由此可见，本发明实施例同时考虑了社交特征和图结构特征，并充分考虑客户交易子图的社群特征，无需依赖专家经验对亲密度打标，在具备普遍性的基础上，提升了客户亲密度判定的准确性。

应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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一些实施例，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，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种客户亲密度判定方法的流程示意图；

图2为本发明实施例提供的一种社区亲密度的计算方法的流程示意图；

图3为本发明实施例提供的一种社区内客户亲密度的计算方法的流程示意图；

图4为本发明实施例提供的一种客户亲密度判定装置的结构示意图；

图5为本发明实施例提供的一种电子设备的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，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的实施例，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，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

需要说明的是，在本发明实施例中，所涉及的交易数据的获取、存储和/或处理时，符合国家法律法规的相关规定，且不违背公序良俗。

本发明实施例提供了一种客户亲密度判定方法。该方法旨在运用数据挖掘方法，针对银行等企业客户的历史往来资金交易，发现交易特征和企业客户与银行的亲密程度，为客户管理提供可靠的依据。该方法可以由客户亲密度判定装置执行，该装置可以由硬件和/或软件实现。

图1为本发明实施例提供的一种客户亲密度判定方法的流程示意图。

参见图1，客户亲密度判定方法包括以下步骤：

S110、获取客户的交易数据。

其中，交易数据包括客户交易对手表和核心金融事件表。核心金融事件表记录的数据只到交易对手的账户层面，没有交易对手的客户名称。客户交易对手表中记录有交易对手的客户名称等数据信息。两张表综合起来将客户的交易详情记录下来。在具体操作过程中，可以将两张表做合并操作，获取到的交易数据包含了银行内客户和银行外的交易对手之间的交易时间、交易的方向(例如，转入或转出)、交易金额、交易笔数和柜台号等交易的交易信息。具体地，还可以限定客户交易对手表和核心金融事件表的时间段，例如，获取客户间近一年的资金往来交易数据。

S120、基于图算法，根据交易数据构建网络图谱。

示例性地，将一笔对手交易视为图中的一条边，相应的将交易双方视为图的顶点，发生在同一组客户间交易的笔数视为边权重。

S130、采用社区发现算法，根据网络图谱进行社群识别，得到客群网络结构。

其中，社区发现算法的具体实现方式有多种，例如，GN算法。GN算法是一个经典的社区发现算法，它属于分裂的层次聚类算法。其基本思想是不断的删除网络中具有相对于所有源节点的最大的边介数的边，然后，再重新计算网络中剩余的边的相对于所有源节点的边介数，重复这个过程，直到网络中，所有边都被删除。

采用社区发现算法能够对交易过程中的社交网络进行分群，发现各客群网络结构和与银行等企业的亲密度的差异。其中，一个客群网络结构可以看作一个社区、一个子网络或一个子图。从网络图谱这一大图中看不出特点来，因此，将网络图谱划分为客群网络结构。

S140、根据客群网络结构的社区特征，构建社区亲密度指标，得到社区亲密度；以及对社区内客户的亲密度指标进行衡量，得到社区内客户亲密度。

其中，一个社区内包括多个客户，根据这多个客户之间的关联程度，可以得到其中某个客户与银行等企业的亲密程度，即该客户的社区亲密度。该步骤结合了社交特征进行社区亲密度的计算。以及，通过对社区内客户的特征分析，可以得到该客户的社区内客户亲密度。该步骤结合了图结构特征进行社区亲密度的计算。

S150、根据社区亲密度和社区内客户亲密度，得到客户亲密度。

示例性地，将社区亲密度指标和社区内客户亲密度相乘，得到客户亲密度。

本发明实施例从社交网络分析的角度，运用图算法对交易网络进行社区发现，结合社区特征计算社区亲密度。以及，在每个社区内，基于客户自身的亲密度指标，加权计算社区内客户亲密度。最后结合社区亲密度和社区内客户亲密度作为企业客户亲密度的衡量。由此可见，本发明实施例同时考虑了社交特征和图结构特征，并充分考虑客户交易子图的社群特征，无需依赖专家经验对亲密度打标，在具备普遍性的基础上，提升了客户亲密度判定的准确性。

在上述各实施例的基础上，对社区亲密度和社区内客户亲密度的计算方法有多种，下面进行具体说明，但不作为对本发明的限定。

图2为本发明实施例提供的一种社区亲密度的计算方法的流程示意图。参见图2，在本发明的一种实施方式中，可选地，社区亲密度的计算方法包括如下步骤：

S210、对社区亲密度指标进行标准化，并设置权重。

示例性地，社区亲密度指标包括：社区成员数、社区交易总笔数和社区交易总金额等中的至少一种。例如，对社区成员数、社区交易总笔数和社区交易总金额等全部社区亲密度指标进行标准化。标准化的方法可以是最大最小标准化方法。最大最小标准化也称为离散标准化，是对社区亲密度指标的线性变换，将社区亲密度指标映射到[0,1]之间。权重的设置方式可以结合业务经验对社区成员数、社区交易总笔数和社区交易总金额等指标设置权重。

S220、将标准化后的各社区亲密度指标进行加权求和，得到社区亲密度。

通过S210-S220实现了社区亲密度的计算。该方法计算社区亲密度的结果准确度高，有利于提高客户亲密度判定的准确性。

图3为本发明实施例提供的一种社区内客户亲密度的计算方法的流程示意图。参见图3，在本发明的一种实施方式中，可选地，社区内客户亲密度的计算方法包括以下步骤：

S310、根据社区特征，计算客户的多种中心性指标。

示例性地，中心性指标包括：点度中心度、接近中心度、中介中心度和特征向量中心性等中的至少两种。例如，对点度中心度、接近中心度、中介中心度和特征向量中心性等全部中心性指标进行计算。其中，点度中心度关注与该客户有交易的客户数；接近中心度关注该客户与社群中其他客户的距离；中介中心度关注该客户是否在交易中处于桥梁作用，即客户B、C之间，是否必须经由客户A方可进行交易，若是，则A的中介中心度更高；特征向量中心性关注该客户邻居节点的重要性。

S320、对中心性指标进行标准化。

具体地，对点度中心度、接近中心度、中介中心度和特征向量中心性等全部中心性指标进行标准化。标准化的方法可以为最大最小标准化。最大最小标准化也称为离散标准化，是对中心性指标的线性变换，将中心性指标映射到[0,1]之间。

S330、将标准化后的各中心性指标进行求和，并乘以交易系数，得到社区内客户亲密度。

其中，交易系数为该客户的交易笔数与交易金额做商后的结果。

通过S310-S330实现了社区内客户亲密度的计算。该方法计算社区内客户亲密度的结果准确度高，有利于提高客户亲密度判定的准确性。

综上，本发明实施例从社交网络分析的角度，运用图算法对交易网络进行社区发现，结合社区特征计算社区亲密度。以及，在每个社区内，基于客户自身的亲密度指标，加权计算社区内客户亲密度。最后结合社区亲密度和社区内客户亲密度，以社区亲密度*社区内客户亲密度作为企业客户亲密度的衡量。由此可见，本发明实施例同时考虑了社交特征和图结构特征，并充分考虑客户交易子图的社群特征，无需依赖专家经验对亲密度打标，在具备普遍性的基础上，提升了客户亲密度判定的准确性。

本发明实施例还提供了一种客户亲密度判定装置，该装置可以由硬件和/或软件实现。图4为本发明实施例提供的一种客户亲密度判定装置的结构示意图。参见图4，客户亲密度判定装置包括：

数据获取模块410，用于获取客户的交易数据；其中，交易数据包括客户交易对手表和核心金融事件表；

图谱构建模块420，用于基于图算法，根据交易数据构建网络图谱；

社区发现模块430，用于采用社区发现算法，根据网络图谱进行社群识别，得到客群网络结构；

特征分析模块440，用于根据客群网络结构的社区特征，构建社区亲密度指标，得到社区亲密度；以及对社区内客户的亲密度指标进行衡量，得到社区内客户亲密度；

亲密度判断模块450，用于根据社区亲密度和社区内客户亲密度，得到客户亲密度。

可选地，构建的社区亲密度指标包括：社区成员数、社区交易总笔数和社区交易总金额中的至少一种。

可选地，特征分析模块440包括社区亲密度计算单元和社区内客户亲密度计算单元。社区亲密度计算单元用于：

对社区亲密度指标进行标准化，并设置权重；

将标准化后的各社区亲密度指标进行加权求和，得到社区亲密度。

可选地，社区内客户亲密度计算单元用于：

根据社区特征，计算客户的多种中心性指标；

对中心性指标进行标准化；

将标准化后的各中心性指标进行求和，并乘以交易系数，得到社区内客户亲密度；其中，交易系数为该客户的交易笔数与交易金额做商后的结果。

可选地，中心性指标包括：点度中心度、接近中心度、中介中心度和特征向量中心性中的至少两种。

可选地，标准化的方法为最大最小标准化。

可选地，亲密度判断模块还用于：

将社区亲密度指标和社区内客户亲密度相乘，得到客户亲密度。

可选地，图谱构建模块还用于：

将一笔对手交易视为图中的一条边，相应的将交易双方视为图的顶点，发生在同一组客户间交易的笔数视为边权重。

本发明实施例所提供的客户亲密度判定装置可执行本发明任意实施例所提供的客户亲密度判定方法，具备执行方法相应的功能模块和有益效果。

图5为本发明实施例提供的一种电子设备的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。

如图5所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。

电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如客户亲密度判定方法。

在一些实施例中，客户亲密度判定方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的客户亲密度判定方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行客户亲密度判定方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。

计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。

本发明实施例还提供一种计算机程序产品，该计算机程序产品包括计算机可执行指令，计算机可执行指令在由计算机处理器执行时用于执行本发明任意实施例所提供的客户亲密度判定方法。

当然，本申请实施例所提供的计算机程序产品，其计算机可执行指令不限于如上的方法操作，还可以执行本发明任意实施例所提供的方法中的相关操作。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (12)

1.一种客户亲密度判定方法，其特征在于，包括：

获取客户的交易数据；其中，所述交易数据包括客户交易对手表和核心金融事件表；

基于图算法，根据所述交易数据构建网络图谱；

采用社区发现算法，根据所述网络图谱进行社群识别，得到客群网络结构；

根据所述客群网络结构的社区特征，构建社区亲密度指标，得到社区亲密度；以及对社区内客户的亲密度指标进行衡量，得到社区内客户亲密度；

根据所述社区亲密度和所述社区内客户亲密度，得到客户亲密度。

2.根据权利要求1所述的方法，其特征在于，构建的所述社区亲密度指标包括：社区成员数、社区交易总笔数和社区交易总金额中的至少一种。

3.根据权利要求2所述的方法，其特征在于，所述构建社区亲密度指标，得到社区亲密度，包括：

对所述社区亲密度指标进行标准化，并设置权重；

将标准化后的各所述社区亲密度指标进行加权求和，得到所述社区亲密度。

4.根据权利要求1所述的方法，其特征在于，所述对社区内客户的亲密度指标进行衡量，得到社区内客户亲密度，包括：

根据所述社区特征，计算客户的多种中心性指标；

对所述中心性指标进行标准化；

将标准化后的各所述中心性指标进行求和，并乘以交易系数，得到所述社区内客户亲密度；其中，所述交易系数为该客户的交易笔数与交易金额做商后的结果。

5.根据权利要求4所述的方法，其特征在于，所述中心性指标包括：点度中心度、接近中心度、中介中心度和特征向量中心性中的至少两种。

6.根据权利要求3或4所述的方法，其特征在于，所述标准化的方法为最大最小标准化。

7.根据权利要求1所述的方法，其特征在于，所述根据所述社区亲密度和所述社区内客户亲密度，得到客户亲密度，包括：

将所述社区亲密度指标和所述社区内客户亲密度相乘，得到所述客户亲密度。

8.根据权利要求1所述的方法，其特征在于，所述基于图算法，根据所述交易数据构建网络图谱，包括：

将一笔对手交易视为图中的一条边，相应的将交易双方视为图的顶点，发生在同一组客户间交易的笔数视为边权重。

9.一种客户亲密度判定装置，其特征在于，包括：

数据获取模块，用于获取客户的交易数据；其中，所述交易数据包括客户交易对手表和核心金融事件表；

图谱构建模块，用于基于图算法，根据所述交易数据构建网络图谱；

社区发现模块，用于采用社区发现算法，根据所述网络图谱进行社群识别，得到客群网络结构；

特征分析模块，用于根据所述客群网络结构的社区特征，构建社区亲密度指标，得到社区亲密度；以及对社区内客户的亲密度指标进行衡量，得到社区内客户亲密度；

亲密度判断模块，用于根据所述社区亲密度和所述社区内客户亲密度，得到客户亲密度。

10.一种电子设备，其特征在于，所述电子设备包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-8中任一项所述的客户亲密度判定方法。

11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-8中任一项所述的客户亲密度判定方法。

12.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-8中任一项所述的客户亲密度判定方法。

Images