银行网点选址方法及装置制造方法及图纸

本发明专利技术公开了一种银行网点选址方法及装置，涉及大数据技术领域，其中该方法包括：获取目标选址区域的银行客户特征数据，所述银行客户特征数据包括与银行客户相关的财产和消费数据、以及银行客户的地理位置分布数据；将所述银行客户特征数据输入区域划分模型，输出对目标选址区域的区域划分结果，所述区域划分模型根据历史银行客户特征数据对GA

【技术实现步骤摘要】
银行网点选址方法及装置


[0001]本专利技术涉及大数据
，尤其涉及一种银行网点选址方法及装置。

技术介绍

[0002]本部分旨在为权利要求书中陈述的本专利技术实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
[0003]目前银行在建设网点时，网点的选址是个问题，有的网点比较偏僻，人数较少，有的网点建在人流量较多的地方，排队人较多，导致用户体验不好。

技术实现思路

[0004]本专利技术实施例提供一种银行网点选址方法，用以提高银行网点选址的准确性，改善用户体验，该方法包括：
[0005]获取目标选址区域的银行客户特征数据，所述银行客户特征数据包括与银行客户相关的财产和消费数据、以及银行客户的地理位置分布数据；
[0006]将所述银行客户特征数据输入区域划分模型，输出对目标选址区域的区域划分结果，所述区域划分模型根据历史银行客户特征数据对GA
‑
BP神经网络训练得到；
[0007]将目标选址区域的银行客户特征数据转化为银行客户特征向量；
[0008]对区域划分结果中的每一划分区域，计算银行客户特征向量之间的余弦相似性；
[0009]根据每一划分区域的余弦相似性计算结果，确定每一划分区域的银行网点选址。
[0010]本专利技术实施例还提供一种银行网点选址装置，用以提高银行网点选址的准确性，改善用户体验，该装置包括：
[0011]特征数据获取模块，用于获取目标选址区域的银行客户特征数据，所述银行客户特征数据包括与银行客户相关的财产和消费数据、以及银行客户的地理位置分布数据；
[0012]特征数据输入模块，用于将所述银行客户特征数据输入区域划分模型，输出对目标选址区域的区域划分结果，所述区域划分模型根据历史银行客户特征数据对GA
‑
BP神经网络训练得到；
[0013]特征向量转换模块，用于将目标选址区域的银行客户特征数据转化为银行客户特征向量；
[0014]余弦相似性计算模块，用于对区域划分结果中的每一划分区域，计算银行客户特征向量之间的余弦相似性；
[0015]银行网点选址确定模块，用于根据每一划分区域的余弦相似性计算结果，确定每一划分区域的银行网点选址。
[0016]本专利技术实施例还提供一种计算机设备，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，所述处理器执行所述计算机程序时实现上述银行网点选址方法。
[0017]本专利技术实施例还提供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
执行上述银行网点选址方法的计算机程序。
[0018]本专利技术实施例中，获取目标选址区域的银行客户特征数据，所述银行客户特征数据包括与银行客户相关的财产和消费数据、以及银行客户的地理位置分布数据；将所述银行客户特征数据输入区域划分模型，输出对目标选址区域的区域划分结果，所述区域划分模型根据历史银行客户特征数据对GA
‑
BP神经网络训练得到；将目标选址区域的银行客户特征数据转化为银行客户特征向量；对区域划分结果中的每一划分区域，计算银行客户特征向量之间的余弦相似性；根据每一划分区域的余弦相似性计算结果，确定每一划分区域的银行网点选址，可以提高银行网点选址的准确性，改善用户体验。
附图说明
[0019]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术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专利技术的一些实施例，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。在附图中：
[0020]图1为本专利技术实施例中银行网点选址方法的处理流程图；
[0021]图2为本专利技术实施例中利用余弦相似性确定银行网点选址的一具体实例流程图；
[0022]图3为本专利技术实施例中银行网点选址装置的结构示意图；
[0023]图4为本专利技术实施例中银行网点选址装置的一具体实例结构示意图；
[0024]图5为本专利技术一实施例的计算机设备结构示意图。
具体实施方式
[0025]为使本专利技术实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本专利技术实施例做进一步详细说明。在此，本专利技术的示意性实施例及其说明用于解释本专利技术，但并不作为对本专利技术的限定。
[0026]图1为本专利技术实施例中银行网点选址方法的处理流程图。如图1所示，本专利技术实施例中银行网点选址方法可以包括：
[0027]步骤101、获取目标选址区域的银行客户特征数据，所述银行客户特征数据包括与银行客户相关的财产和消费数据、以及银行客户的地理位置分布数据；
[0028]步骤102、将所述银行客户特征数据输入区域划分模型，输出对目标选址区域的区域划分结果，所述区域划分模型根据历史银行客户特征数据对GA
‑
BP神经网络训练得到；
[0029]步骤103、将目标选址区域的银行客户特征数据转化为银行客户特征向量；
[0030]步骤104、对区域划分结果中的每一划分区域，计算银行客户特征向量之间的余弦相似性；
[0031]步骤105、根据每一划分区域的余弦相似性计算结果，确定每一划分区域的银行网点选址。
[0032]由图1所示流程可以得知，本专利技术实施例中银行网点选址方法，可以基于GA
‑
BP神经网络构建的区域划分模型，对目标选址区域进行划分，计算各个划分区域内客户特征向量之间的余弦相似性，根据各个划分区域内客户特征向量之间的余弦相似性确定银行网点选址，可以提高银行网点选址的准确性，改善用户体验。
[0033]在一个实施例中，首先可以获取目标选址区域的银行客户特征数据，所述银行客户特征数据可以包括以下一项或多项特征数据：目标选址区域的银行客户人口密度、银行客户所在地理位置、银行客户名下账户所属银行、家庭收入、家庭存款金额、家庭理财占比、家庭年消费金额。
[0034]具体实施时，在目标选址区域，即一个指定区域确定银行网点选址时，目标选址区域内银行客户的财务情况与地理位置可以作为重要的考量标准，所以可以先获取该区域范围内与银行客户相关的财产和消费数据、银行客户的地理位置分布数据作为特征数据进行分析；在获取目标选址区域内的银行客户特征数据后，可以利用区域划分模型对银行客户特征数据进行分析预测，得到对目标选址区域的区域划分结果。
[0035]在一个实施例中，区域划分模型可以基于BP神经网络和遗传算法进行构建，可以选择一个三层的GA
‑
BP神经网络；所述GA
‑
BP神经网络可以采用一个隐层，所述隐层的节点个数可以采用试凑法确定。
[0036]通过BP神经网络和遗传算法建立模型，在BP神经网络的权值和阈值的优化方面引入遗传算法，构建GA
‑
BP神经网络模型；确定GA
‑
BP神经网络结构，可以根据网络输入输出的个本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种银行网点选址方法，其特征在于，包括：获取目标选址区域的银行客户特征数据，所述银行客户特征数据包括与银行客户相关的财产和消费数据、以及银行客户的地理位置分布数据；将所述银行客户特征数据输入区域划分模型，输出对目标选址区域的区域划分结果，所述区域划分模型根据历史银行客户特征数据对GA
‑
BP神经网络训练得到；将目标选址区域的银行客户特征数据转化为银行客户特征向量；对区域划分结果中的每一划分区域，计算银行客户特征向量之间的余弦相似性；根据每一划分区域的余弦相似性计算结果，确定每一划分区域的银行网点选址。2.如权利要求1所述的方法，其特征在于，所述银行客户特征数据包括以下一项或多项特征数据：目标选址区域的银行客户人口密度、银行客户所在地理位置、银行客户名下账户所属银行、家庭收入、家庭存款金额、家庭理财占比、家庭年消费金额。3.如权利要求1所述的方法，其特征在于，所述区域划分模型是基于BP神经网络和遗传算法构建的一个三层的GA
‑
BP神经网络；所述GA
‑
BP神经网络采用一个隐层，所述隐层的节点个数采用试凑法确定。4.如权利要求1
‑
3任一项所述的方法，其特征在于，将所述银行客户特征数据输入区域划分模型之前，还包括：将历史银行客户特征数据和对应的历史银行网点选址作为样本数据，构建训练集和测试集；利用所述训练集对GA
‑
BP神经网络进行训练，得到所述区域划分模型；利用所述测试集对所述区域划分模型进行测试。5.如权利要求1所述的方法，其特征在于，按如下公式，对区域划分结果中的每一划分区域，计算银行客户特征向量之间的余弦相似性：其中，为任意两个银行客户特征向量。6.如权利要求1所述的方法，其特征在于，根据每一划分区域的余弦相似性计算结果，确定每一划分区域的银行网点选址，包括：对每一划分区域，根据银行客户特征向量之间余弦相似性与参考值的比较结果，确定银行网点选址的个数。7.一种银行网点选址装置，其特征在于，包括：特征数据获取模块，用于获取目标选址区域的银行客户特征数据，所述银行客户特征数据包括与银行客户相关的财产和消费数据、以及银行客户的地理位置分布数据；特征数据输入模块，用于将所述银行客户特...

【专利技术属性】
技术研发人员：党娜，刘洋，徐凯路，
申请(专利权)人：中国银行股份有限公司，
类型：发明
国别省市：