一种提高社交网络中客户和目标用户间路径可靠性的算法

近年来,人们越来越频繁地活跃在社交网络平台,和不认识的人通信已经成为常态,为用户提供可靠的服务成为影响社交网络发展的重要因素。已有算法在客户与目标用户间寻找到的路径可靠性不高,因此提出了一种提高社交网络中客户和目标用户间路径可靠性的算法。该算法分析了信息素更新策略中的衰减因子对蚂蚁搜索过程的影响,通过改进衰减因子的计算方法以得到更加可靠的路径,同时还可改进目标用户负载均衡和减少客户等待时间。实验从路径可靠性、目标用户负载均衡和客户等待时间等方面对改进后的算法和已有算法进行了比较,结果验证了改进算法的有效性。     

电子商务交易信任动态控制管理方法

在电子商务交易系统中,构建科学合理的信任机制对实现安全交易非常重要,结合PKI和信用系统,为参与网上交易的各方提供了一套客户交易信任动态控制管理的理论和可操作的方法;与传统静态控制方案相比,动态控制管理使交易各方能够及时采取预防措施,减少客户因其信任风险而造成的经济损失.     

银行客户交易场景智能分类

如何聚合多维度海量数据，充分挖掘数据的内在价值，是商业银行数字化转型的重要目标之一。文章以银行个人客户支付交易数据为例，探索Textgrocery与FastText两类自然语言处理算法对交易所属场景的分类效果。实验表明，Textgrocery效果在分场景和整体方面均优于FastText，故文章最终选择Textgrocery算法对交易数据所属场景开展自动化、智能化、高效化分类。模型场景分类结果可以帮助银行为个人客户建立消费行为维度的客户标签，从而使数据资源变得可使用、有价值。     

SOM-K-Means聚类算法在零售银行客户细分中的应用研究

大数据背景下零售银行业的竞争日益加剧,根据客户的特征,将客户进行细分,为客户提供差异化的产品和服务是零售银行实现精准营销的有效途径。K-Means聚类算法是客户细分中的一种重要算法,它的基本思想是将具有更多相同特性的样本聚集到一个类中,使不同类中的样本之间尽可能的远离,而同一类中的样本之间尽可能的相近。为了提高客户细分的精度,提出一种自组织特征映射神经网络(SOM)的KMeans聚类算法(SOM-K-Means)。该算法可以解决K-Means聚类算法随机确定聚类个数和初始聚类中心等影响聚类结果准确性的问题。对某零售银行实证研究表明,SOM-K-Means聚类算法对购买某产品客户的数据进行有效的挖掘分析,根据聚类之间客户的不同特征,为不同客户群体提供个性化营销策略。     

电子商务交易信任动态控制管理方法

在电子商务交易系统中,构建科学合理的信任机制对实现安全交易非常重要,结合PKI和信用系统,为参与网上交易的各方提供了一套客户交易信任动态控制管理的理论和可操作的方法;与传统静态控制方案相比,动态控制管理使交易各方能够及时采取预防措施,减少客户因其信任风险而造成的经济损失。     

基于深度强化学习的高频交易优化算法

为解决高频交易的高额交易费用问题,该文提出了一种融合长短期记忆(LSTM)网络细胞结构的深度确定性策略梯度交易算法。该算法利用细胞结构对当前信息和历史特征进行环境特征提取和保存,用于指导交易决策。通过深度确定性策略梯度算法实现在线自动交易,并考虑了交易费率和收盘价格对奖励函数的影响。在上证50指数基金的分钟级数据上进行实验,结果表明,该算法能有效捕获稍纵即逝的交易机会,是一种低风险高收益的稳健型投资策略;LSTM细胞结构和所设的奖励函数能大幅减少交易次数,不仅增加了算法对交易费率的包容性,还提升了收益的稳定性。     

一种自适应数据交易软件模型设计技术

在大数据时代,以数据为基本生产要素的数据经济成为推动社会经济发展的创新动力。数据交易是支撑数据流通和创造数据价值的关键环节。然而,如何设计可靠和可维护的数据交易系统面临许多技术挑战性问题。针对这些挑战,本文提出一种自适应数据交易软件模型设计和验证方法。在分析数据交易业务需求的基础上,提出了一种基于Petri网的形式化数据交易自适应软件建模方法,基于Petri网和模型库方法建立数据交易业务流程的形式化模型和控制策略实施技术,Petri网的形式化语义能够有效支持数据交易系统的性质分析。最后,通过仿真实验说明所提方法的有效性和可行性。     

基于数据挖掘的反信用卡套现方案设计与实现

信用卡套现是指持卡人通过正常合法手续(ATM或柜台)以外的其他手段,将信用额度内的资金以现金方式套取,同时不支付银行提现费用的行为.基于大量数据卡交易信息,将数据挖掘理论应用于信用卡反套现评估中,运用数据挖掘算法中的决策树、KNN模型实现对信用卡套现行为、套现客户的辨别.经过实验验证,模型具有良好的应用效果,能够优化银行反信用卡套现识别、提高银行工作效率.     

ART算法的改进及在Shepp Logan头模型的应用

松弛因子作为ART算法中重要的参数,一度成为研究的热点。针对松弛因子的优化问题,提出了利用模拟退火原理实现变松弛因子重建算法(CRRT)的方案。利用模拟退火算法来优化代数重建算法的松弛因子,然后通过CRRT算法对Shepp Logan头模型进行仿真实验。对相关实验结果进行分析处理后,通过对比未改进的ART算法实验结果表明改进后的重建算法的效果比传统的ART算法效果更佳。     

国内商业银行零售业务渠道发展初探

20世纪90年代中后期以来,国际银行业发展中一个重要的趋向是零售业务(Retail Banking)的重要性不断提高,零售银行业务的重要性日益提高成为当今国际知名跨国银行公司商业银行业务发展中的一个显著特征。     

基于神经网络的VBR视频流量建模及预测

为解决视频流量预测问题,结合神经网络和小波技术建模IP(Internet Protocol)网络视频流,提出了利用神经网络预测尺度因子的预测算法.对可变比特率的压缩视频流完成小波分解,得出尺度因子.通过对尺度因子的预测和小波重建,完成视频流量预测.尺度因子的归一化特性简化了神经网络处理过程.对真实VBR(Variable Bit Rate)视频流的流量预测实验表明,模型对IP网络普遍应用的高压缩比视频流具有良好的预测能力.     

浅析网上银行业务的安全与防范

所谓网上银行业务,就是指银行通过因特网提供信息服务和金融交易服务。具体指利用互联网技术,通过互联网站点向客户提供开户、销户、查询、对帐、转帐、信贷及投资理财等等各种形式的服务项目,使客户可以安全便捷地管理活期和定期存款、支票、信用卡及个人投资等。自进入21世纪以来,网上银行的用户也和互联网一样成几何级数增长,2005年全国网上银行交易金额达60万亿元人民币。网上银行占银行全部业务的比重越来越高,交易替代率也在飞速增长。据悉,工商银行和招商银行网银的交易替代率均已超过25%,也就是说,有1/4的银行支付业务是通过网上完成的。网上银行已经进入寻常百姓人家和普通企业。网上银行正在成为各家商业银行拓宽服务领域、实现业务增长、调整经营战略的重要手段;是维系现有老客户,发展新客户的重要工具;是服务创新和竞争的利器。     

Web挖掘在Web交易中的应用

基于Web的数据挖掘是一种结合了数据挖掘和互联网系统的热门研究课题.随着互联网的高速发展,Web挖掘由于其独特的优点,在Web交易中扮演了越来越重要的角色.运用Web挖掘对Web交易服务器的日志文件和客户交易信息进行挖掘,有助于企业了解客户的访问行为,挖掘潜在客户群和开展有针对性的服务.对Web挖掘技术进行综述,并介绍了该技术在Web交易中的几个应用.     

含多交易对手信用违约互换的信用风险模型

研究含多交易对手信用违约互换(CDS)产品的交易对手估值调整(CVA)计算模型,在约化模型的框架下,利用单因子(反)Cox-Ingersoll-Ross模型来刻画交易对手和参考公司的违约正(负)相关性,得到了一个由耦合的非线性偏微分方程组来表达交易对手估值调整计算模型,并用迭代的算法求解分析,同时比较了标准的交易对手估值调整的值.     

网络交易信用机制评价与改善

网络交易信用是制约网络交易发展的重要因素。如何科学地制定网络交易信用的评价机制是研究网络交易的一个重要研究方向。研究分析了现行的网络交易信用机制,发现社会监督不足、缺乏有效的奖惩机制、交易双方身份验证不对等和单一的信用交易机制导致的信用欺诈等问题,提出了有针对性的对策和建议,提供了改善网络交易信用评价机制的新思路。     

银行的e“化”

能够快速接触到客户、降低分行基础建置的成本,并开发新的赢利业务、强化客户忠诚度,是当前银行借助Internet发展所追求的目标全球化的竞争压力,让银行必须为其客户提供更便捷、更有效的服务才能留住客户,为其企业自身赚取利润。而电信市场、Internet、信息科技的发展,也促使银行必须掌握发展的潮流,利用最新的技术,提供更广泛、更新型的服务,而这也就加速推动了所谓电话银行、网络银行的发展。有关部门的调查显示,目前国内的e-banging业务仍以本行相关业务的查询、转帐为主,交易类业务的项目     

基于信任社区的个性化推荐策略研究

针对传统的协同过滤算法推荐准确率较低的问题,提出一种基于信任社区的个性化推荐策略.首先利用社区发现算法,从用户网络中挖掘出具备类似兴趣喜好的信任社区,然后实施基于社区的个性化推荐.为及时发现用户的兴趣迁移及恶意攻击节点,引入一种信任度的反馈评价机制,将交易后的评价数据与预期值进行比较,以实现信任度的自适应更新.实验数据显示,该算法使得系统推荐准确率得到有效提高,从而提高了用户对系统的信任度.     

基于MapReduce的高效地理数据水印方法

为了提高地理数据水印算法嵌入和检测水印信息的效率,提出了一种基于MapReduce的地理数据水印方法.该方法以MapReduce编程模型为基础,采用目前鲁棒性最好的基于可变步长量化调制的地理数据水印(VSQM)算法,在水印信息嵌入和检测时并行地处理目标地理数据中的地物,使得该方法的效率较之传统地理数据水印方法大为提高.最后在一个地理数据在线交易系统环境下实现了该方法,并通过一系列实验证实了所提出的方法能够有效提高地理数据水印方法的效率.     

基于关联规则的Apriori算法的改进及其在保险业CRM的应用

客户关系管理作为一种以客户为中心的经营策略,可以很好完成客户的获取与保持,为经营者提供决策支持,而数据挖掘作为一种分析工具,可以应用在客户关系管理中的大量数据分析和客户价值挖掘中.作为数据挖掘研究的一项重要内容--关联规则数据挖掘研究,其经典的Apriori算法及其改进算法存在着一些不足,如产生庞大的候选集、需要多次扫描数据库,大大增加I/O开销.针对这个算法的瓶颈问题,提出了基于关联规则的改进的Apriori算法,并将其应用在客户关系管理中的大量数据分析,如客户的年龄、职业、年收入、险种等属性,通过对得出的规则的分析来挖掘出具备某些特征的客户趋向购买何种险种,为业务的宣传及管理者的决策支持提供了明确性.     

关联规则挖掘法在CRM中的应用

CRM(Customer Relationship Management)是辨识、获取、保持和增加"可获利客户"的理论、实践和技术手段的总称.关联分析是对一些交易数据库进行分析,找出不同商品即数据项之间的联系,关联分析需要通过关联规则进行数据挖掘.关联规则挖掘是从大量的数据中挖掘出有价值描述数据项之间相互联系的有关知识.