基于移动数据的消费贷款产品推荐模型研究

发布时间：2024-01-20 09:45

　　消费贷款产品在我国的需求量与日俱增,在众多的消费贷款产品中,为用户推荐满意的产品是一个不小的挑战。现阶段,在各种主流的推荐算法中,协同过滤算法是应用较为广泛的一种推荐算法,但是传统的协同过滤存在用户数据稀疏性的问题,导致用户相似度计算的精准度降低。针对上述问题,本文在教育部-中国移动集团科研基金项目支持下,利用移动运营商网络数据,提出基于密度峰值聚类算法(Density Peaks Clustering Algorithm,DPCA)的消费贷款产品推荐模型。主要研究内容与贡献如下:(1)提出并设计实现基于DPCA聚类的消费贷款产品推荐模型。在协同过滤推荐模型的用户分类过程中引入DPCA聚类,利用用户移动数据提取用户的消费行为特征,其中包括用户购物倾向与购买力两大类特征。基于以上特征,通过DPCA聚类方法将用户进行聚类划分,使对消费贷款产品需求相似的用户,即相似度较高的用户聚集到同一个类中,简化查找最近邻居过程,提高用户相似度计算的精准度,从而提高了推荐结果的准确性。(2)设计实现基于改进DPCA聚类的消费贷款产品推荐模型。传统的DPCA聚类具有:不能处理混合属性数据集、类簇中心与噪音点...

【文章页数】：74 页

【学位级别】：硕士

本文编号：3880619