摘要:随着信息时代的高速发展，银行积累的数据量以指数速度迅速增长，如何利用好这些数据以使银行获得更好的效益，是银行面临的最重大课题。现阶段基于数据挖掘技术在银行业的应用已有初步成果，相关文献对应用理论阐述较多，在实际应用方面涉及较少。同时国内研究的重点是围绕客户关系进行客户分类和营销，对银行金融产品的创新推荐没有更深入的研究。

    本论文在认真分析研究银行金融产品营销现状基础上，针对银行业务的特点，结合数据挖掘的决策树分类算法和聚类分析技术，实现了对银行客户的分类和再聚类，同时借助于协同过滤推荐系统算法，基于产品和客户的分类，有效避免了“冷启动”问题，将金融产品推荐给合适的客户（群），进行一对一营销，进而改善银行与客户的关系，提高客户关系管理质量，促进银行的进一步发展。

关键字： 金融产品  数据挖掘  决策树  聚类分析  协同过滤推荐系统  客户关系管理

目录

摘要

Abstact

1绪论-1

1.1课题研究背景-1

1.2课题研究意义-2

1.3课题研究思路-2

2数据挖掘及推荐系统相关技术理论综述-4

2.1数据挖掘技术-4

2.2推荐系统技术-8

3基于数据挖掘的银行客户分类模型的构建-12

3.1金融产品相似度模型-12

3.2基于决策树算法的分类模型-14

3.3基于K-means算法的客户聚类模型-23

4金融产品推荐系统建模-29

4.1金融产品推荐系统与电商推荐系统的区别-29

4.2 User-based协同过滤推荐系统-30

4.3金融产品推荐系统模型-31

5结论-36

致谢-37

参考文献-38