(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211180476.9 (22)申请日 2022.09.26 (71)申请人 中国银行股份有限公司 地址 100818 北京市西城区复兴门内大街1 号 (72)发明人 张瑾　赵思琦　郝雄斌　张鹏　 李科强　祝捷　赵庆　王镇　王伟　 (74)专利代理 机构 北京三友知识产权代理有限 公司 11127 专利代理师 李辉　王维宁 (51)Int.Cl. G06Q 40/02(2012.01) G06Q 30/02(2012.01) (54)发明名称 一种银行产品的潜在客户挖掘方法及装置 (57)摘要 本发明公开了一种银行产品的潜在客户挖 掘方法及装置， 涉及人工智能技术领域， 所述方 法包括： 获取客户特征数据； 对客户特征数据进 行预处理； 基于客户特征向量和客户挖掘模型， 得到待挖掘客户对应的银行产品的潜在客户判 断结果； 若判断获知待挖掘客户对应的银行产品 的潜在客户 判断结果为 “是潜在客户 ”则将待挖 掘客户标记 为潜在客户。 本发明实施例中的银行 产品的潜在客户挖掘方法及装置， 通过将待挖掘 客户的客户特征数据输入训练后的客户挖掘模 型， 从而判断所述待挖掘客户是否为某银行产品 的潜在客户， 并匹配相应标签， 在开展银行产品 活动时， 可以匹配被标注的潜在客户进行有针对 性的推广， 从而提升业务人员工作效率并改善用 户体验。 权利要求书2页 说明书8页 附图5页 CN 115545887 A 2022.12.30 CN 115545887 A 1.一种银 行产品的潜在客户挖掘方法， 其特 征在于， 包括： 获取待挖掘客户的客户特 征数据； 对所述客户特征数据进行 预处理， 得到所述 客户特征数据对应的客户特 征向量； 基于所述客户特征向量和客户挖掘模型， 得到所述待挖掘客户对应的银行产品的潜在 客户判断结果； 其中， 所述客户挖掘模型是基于历史客户特征数据和所述银行产品的持有 标签训练获得的； 若判断获知所述待挖掘客户对应的银行产品的潜在客户判断结果为 “是潜在客户 ”则 将所述待挖掘客户标记为潜在客户。 2.如权利要求1所述的方法， 其特征在于， 基于历史客户特征数据和所述银行产品的持 有标签训练获得 所述客户挖掘模型包括以下步骤： 获取所述历史客户特 征数据和所述银 行产品的持有标签； 对所述历史客户特征数据进行预处理， 得到所述历史客户特征数据对应的历史客户特 征向量； 基于所述历史客户特征向量和所述银行产品的持有标签， 对原始模型进行训练， 得到 所述客户挖掘模型。 3.如权利要求2所述的方法， 其特征在于， 所述原始模型为支持向量机、 人工神经网络、 随机森林、 决策树和岭回归 模型中的一种。 4.如权利要求3所述的方法， 其特征在于， 基于所述历史客户特征向量和所述银行产品 的持有标签， 对所述原 始模型进行训练， 得到所述 客户挖掘模型包括以下步骤： 基于所述历史客户特征向量和所述银行产品的持有标签， 分别对所述支持向量机、 人 工神经网络、 随机森林、 决策树和岭回归模型中的至少两种所述原始模型进行训练， 得到所 述原始模型对应的训练后的挖掘模型； 使用加权算法将所述训练后的挖掘模型进行模型融合， 得到所述 客户挖掘模型。 5.如权利要求2所述的方法， 其特征在于， 对所述历史客户特征数据进行预处理， 得到 所述历史客户特 征数据对应的历史客户特 征向量包括以下步骤： 使用结构化查询语言对所述历史客户特征数据进行向量化， 得到所述历史客户特征数 据对应的历史客户特 征向量。 6.如权利要求1所述的方法， 其特征在于， 对所述客户特征数据进行预处理， 得到所述 客户特征数据对应的客户特 征向量包括以下步骤： 使用结构化查询语言对所述客户特征数据进行向量化， 得到所述客户特征数据对应的 客户特征向量。 7.一种银 行产品的潜在客户挖掘装置， 其特 征在于， 包括： 获取模块， 用于获取待挖掘客户的客户特 征数据； 第一预处理模块， 用于对所述客户特征数据进行预处理， 得到所述客户特征数据对应 的客户特 征向量； 预测模块， 用于基于所述客户特征向量和客户挖掘模型， 得到所述待挖掘客户对应的 银行产品的潜在客户判断结果； 其中， 所述客户挖掘模型是基于历史客户特征数据和所述 银行产品的持有标签训练获得的； 判断标记模块， 用于判断获知所述待挖掘客户对应的银行产品的潜在客户判断结果为权　利　要　求　书 1/2 页 2 CN 115545887 A 2“是潜在客户 ”则将所述待挖掘客户标记为潜在客户。 8.如权利要求7 所述的装置， 其特 征在于， 还 包括： 样本获取模块， 用于获取 所述历史客户特 征数据和所述银 行产品的持有标签； 第二预处理模块， 用于对所述历史客户特征数据进行预处理， 得到所述历史客户特征 数据对应的历史客户特 征向量； 训练模块， 用于基于所述历史客户特征向量和所述银行产品的持有标签， 对原始模型 进行训练， 得到所述 客户挖掘模型。 9.如权利要求8所述的装置， 其特 征在于， 所述训练模块包括： 训练单元， 用于基于所述历史客户特征向量和所述银行产品的持有标签， 分别对支持 向量机、 人工神经网络、 随机森林、 决策树和岭回归模型中的至少两种所述原始模型进行训 练， 得到所述原 始模型对应的训练后的挖掘模型； 融合单元， 用于使用加权算法将所述训练后的挖掘模型进行模型融合， 得到所述客户 挖掘模型。 10.如权利要求7 所述的装置， 其特 征在于， 所述第一预处 理模块， 包括： 第一向量化单元， 用于使用结构化查询语言对所述客户特征数据进行向量化， 得到所 述客户特征数据对应的客户特 征向量。 11.如权利要求8所述的装置， 其特 征在于， 所述第二预处 理模块， 包括： 第二向量化单元， 用于使用结构化查询语言对所述历史客户特征数据进行向量化， 得 到所述历史客户特 征数据对应的历史客户特 征向量。 12.一种计算机设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的计 算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现权利要求1至6任一所述方 法。 13.一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程 序， 所述计算机程序被处 理器执行时实现权利要求1至 6任一所述方法。 14.一种计算机程序产品， 其特征在于， 所述计算机程序产品包括计算机程序， 所述计 算机程序被处 理器执行时实现权利要求1至 6任一所述方法。权　利　要　求　书 2/2 页 3 CN 115545887 A 3