基于大数据的互联网金融用户画像技术研究

• 作者: 张菊玲 杨晓梅 郭文强
• 来源期刊: 现代电子技术
• 关键词: 互联网金融 用户画像 数据挖掘 标签计算 数据聚类 用户行为分析
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 前沿交叉科学
• 页码范围: 159-163
• 页数: 5页
• 分类号: TN919-34|TP37
• 语种: 中文
• DOI: 10.16652/j.issn.1004-373x.2021.02.034

摘要

随着互联网金融的不断发展,数据量的增大造成互联网金融用户画像技术用户信息聚类能力下降.因而,设计基于大数据的互联网金融用户画像技术.使用Kettler软件辅助用户数据采集芯片,完成用户信息的获取,并进行数据整理以及数据清洗等数据预处理过程,设定相应的格式,完成信息的存储.采用数据挖掘中的K均值聚类算法,对采集到的数据进行聚类设定用户标签体系.使用获取到的标签体系,构建多层级的用户画像模型.至此,基于大数据的互联网金融用户画像技术设计完成.构建技术测试环节,与原有技术对比可知,此技术在数据等级明确以及数据量增大后的测试环境下,对测试数据进行高效聚类.对比测试结果,此技术数据聚类能力优于原有技术数据聚类能力.由此可知,此技术所构架出的用户画像更为全面.