论文部分内容阅读
[摘 要]汽车金融是汽车业和金融业相互渗透的必然结果。汽车金融提供汽车在生产、流通、购买等环节中融通资金以及其它金融服务，以售车、维修、转让、租赁为主体，形成汽车消费理财、汽车服务产品金融化、证券化的价值链。本文就目前汽车金融产品在发展中趋势利用推荐系统，力图实现汽车金融产品网络上发展运行。
[关键词]数据挖掘 推荐系统 汽车金融产品 贝叶斯分类
中图分类号：C939 文献标识码：A 文章编号：1009-914X（2013）16-0160-01
近几年，我国逐渐认识到汽车金融市场的发展是汽车工业的牛鼻子，开始了对汽车金融产品的逐步探索。汽车金融服务越来越受到业内外人士的普遍关注，并已成为汽车生产厂家和汽车经销商促进其产品销售并以此带动企业发展的一种重要的销售服务形式。
一、相关概念介绍
（一）汽车金融产品的相关概述
汽车金融产品类似于保险金融产品，泛指以为汽车交易及消费使用为目的来融通资金所进行的金融结构、金融策略设计及相应的法律契约安排，其产品是立足市场的供需状况，以商品标的物汽车的价值为基础，以服务为手段，以金融运作为主体，以不同群体的消费需求为对象设计、开发出的系列化的可交易金融工具、金融服务以及各种金融策略的设计方案。
（二）推荐系统的概念
推荐系统，是一种收集各个用户对项目的推荐（反馈）意见、项目内容、用户特征等信息，用特定的知识表示方法进行处理存储；然后利用推荐算法分析所获得的知识，针对特定用户的需求偏好为其推荐相应项目，帮助用户作出决策的智能决策支持系统。
二、分析设计
（一）汽车金融产品方案设计
根据汽车金融产品方案设计的设计要求，可将设计类型分为3种基本类型：
（l）创造性设计。这种创造性设计是一种完全设计方法类型。
（2）适应性设计。汽车金融产品方案设计的目标是确定的，但如果将设计过程分解，功能模块的实现可能要随着用户要求的变化而有所改变。
（3）变型设计。此类型是在汽车金融产品方案设计的设计要求和实现方式不变的情况下，单独对某个模块进行修改设计进而影响到这个设计过程。
（二）汽车金融产品设计模型的内容
汽车金融产品设计模型主要包括以下内容：
（1）汽车的品牌认知度、以及车型特点等自身因素。
（2）汽车的信用额度。包括自然人信用额度参数和法人信用额度参数。
（3）地区性因素，包括南北地区、城市农村地区等消费业绩情况分析。
（4）客户购车是一个非常慎重事情，是一次付款还是贷款以及怎么样贷款都是一个很重要的问题。
三、产品预测系统的实现
（一）系统结构
汽车金融推荐系统可以分为以下三大模块：
（1）数据预处理模块：采用数据预处理技术，对数据库中的原始数据依序做收集、清洗、转换、规约等处理工作，把净化后的原始数据转换为由事务数据库的形式表达得数据以供模式挖掘模块使用。
（2）模式挖掘模块：利用汽车金融产品推荐算法获取用户感兴趣的或访问较频繁的网页的集合和用户对站点的访问模式。
（3）模式分析和应用模块：根据设定的模式匹配算法将用户当前访问的页面和通过模式挖掘模块得到的用户频繁访问的感兴趣的页面集合进行模式匹配，最后根据推荐算法把匹配后的结果在线推荐给用户。
（二）算法改进
1.协同过滤推荐算法
基于用户的协同过滤推荐算法和基于项目的协同过滤推荐算法是现在主要的两种协同过滤推荐算法。基于用户协同过滤算法思想即是：推荐系统在预判某用户对某个项目的评分的时候，利用和该用户相似的别的用户的评判结果来逼近需要预判的用户对该项目的评分。基于项目的协同过滤推荐算法思想是：当需要对某用户的某个项目进行评分的时候，利用该用户对与该项目类似的项目评分作为参考来估计。
2.基于聚类的协同过滤算法概述
基于聚类的协同过滤算法的出现是为了提高减少协同过滤算法中的搜索相似用户或项目的搜索空间，从而加快传统协同过滤算法的推荐速度。典型的基于聚类的协同过滤算法是k-means聚类算法。
一般在推荐系统中，生产k个稳定的聚类后，还需要将k个聚类作为k个虚拟的用户集合。最后在生成的虚拟用户上搜索当前目标的最近邻居，再根据邻居的评分状况对当前目标进行推荐。
（三）汽车金融产品推荐系统
汽车金融产品推荐系统的任务是依据已经存在于建立好的模式挖掘模块中的用户访问模式库，分别为每一位用户自动发送该用户可能感兴趣的但至今为止仍未访问过的推荐页面。
1.用户识别
用户识别的方法目前主要有三种：
（1）通过分析页面请求的Cookie值是否相同来判断是否接收的是来自于同一个用户的请求；
（2）向站点提供一个登录标识符方可继续访问，则可以利用对登录标识符进行识别来识别用户；
（3）在识别用户时可以通过对发出请求的用户主机地址以及服务器日志中己经记录下来的引用页和请求页的网页地址进行分析，同时依据web站点内超链接的拓扑结构或其它的启发式规则。
2.用户输入
通常情况下，用户在汽车金融产品推荐系统中的输入可以通过以下四种方式进行：
（1）隐式浏览输入：在用户不知情的情况下，默认将用户浏览网页的行为和习惯作为推荐系统的输入；
（2）显示浏览输入：用户在浏览网页时是带有目的性的，因此用户主动地向推荐系统提供自己的兴趣爱好；
（3）条目属性和关键词输入：用户在推荐系统中输入有关的商品条目属性或者关键词，进而推荐系统向用户提供有价值的商品推荐；
（4）用户购买历史：把一记录在服务器上的用户过去的购买历史记录作为推荐系统的输入。
3.模式匹配
在进行模式匹配前，需定义适合的临界用户会话的长度。若临界长度太大，则会造成运行推荐的时间过长，甚至可能导致无法在模式库中找到适合的模式进行匹配；若临界长度太小，则可能使产生的推荐集合太大以至于用户无法适从。
总结
本文的主要工作是对基于数据挖掘的汽车金融产品推荐系统进行了探索和研究，详细分析了汽车金融产品推荐系统中的推荐引擎技术，设计了推荐系统的完整模型，介绍并分析比较了各种推荐算法，同时对算法做出了改进，最后给出了本文中汽车金融产品推荐系统的实现。
参考文献
[1] 陈京民编著，数据仓库与数据挖掘技术[J].电子工业出版社，2012：36-324页
[2] 傅强，李永涛.基于logistic模型的上市公司信用风险评价[J].华东经济理，2011（9）：95-98.
[关键词]数据挖掘 推荐系统 汽车金融产品 贝叶斯分类
中图分类号：C939 文献标识码：A 文章编号：1009-914X（2013）16-0160-01
近几年，我国逐渐认识到汽车金融市场的发展是汽车工业的牛鼻子，开始了对汽车金融产品的逐步探索。汽车金融服务越来越受到业内外人士的普遍关注，并已成为汽车生产厂家和汽车经销商促进其产品销售并以此带动企业发展的一种重要的销售服务形式。
一、相关概念介绍
（一）汽车金融产品的相关概述
汽车金融产品类似于保险金融产品，泛指以为汽车交易及消费使用为目的来融通资金所进行的金融结构、金融策略设计及相应的法律契约安排，其产品是立足市场的供需状况，以商品标的物汽车的价值为基础，以服务为手段，以金融运作为主体，以不同群体的消费需求为对象设计、开发出的系列化的可交易金融工具、金融服务以及各种金融策略的设计方案。
（二）推荐系统的概念
推荐系统，是一种收集各个用户对项目的推荐（反馈）意见、项目内容、用户特征等信息，用特定的知识表示方法进行处理存储；然后利用推荐算法分析所获得的知识，针对特定用户的需求偏好为其推荐相应项目，帮助用户作出决策的智能决策支持系统。
二、分析设计
（一）汽车金融产品方案设计
根据汽车金融产品方案设计的设计要求，可将设计类型分为3种基本类型：
（l）创造性设计。这种创造性设计是一种完全设计方法类型。
（2）适应性设计。汽车金融产品方案设计的目标是确定的，但如果将设计过程分解，功能模块的实现可能要随着用户要求的变化而有所改变。
（3）变型设计。此类型是在汽车金融产品方案设计的设计要求和实现方式不变的情况下，单独对某个模块进行修改设计进而影响到这个设计过程。
（二）汽车金融产品设计模型的内容
汽车金融产品设计模型主要包括以下内容：
（1）汽车的品牌认知度、以及车型特点等自身因素。
（2）汽车的信用额度。包括自然人信用额度参数和法人信用额度参数。
（3）地区性因素，包括南北地区、城市农村地区等消费业绩情况分析。
（4）客户购车是一个非常慎重事情，是一次付款还是贷款以及怎么样贷款都是一个很重要的问题。
三、产品预测系统的实现
（一）系统结构
汽车金融推荐系统可以分为以下三大模块：
（1）数据预处理模块：采用数据预处理技术，对数据库中的原始数据依序做收集、清洗、转换、规约等处理工作，把净化后的原始数据转换为由事务数据库的形式表达得数据以供模式挖掘模块使用。
（2）模式挖掘模块：利用汽车金融产品推荐算法获取用户感兴趣的或访问较频繁的网页的集合和用户对站点的访问模式。
（3）模式分析和应用模块：根据设定的模式匹配算法将用户当前访问的页面和通过模式挖掘模块得到的用户频繁访问的感兴趣的页面集合进行模式匹配，最后根据推荐算法把匹配后的结果在线推荐给用户。
（二）算法改进
1.协同过滤推荐算法
基于用户的协同过滤推荐算法和基于项目的协同过滤推荐算法是现在主要的两种协同过滤推荐算法。基于用户协同过滤算法思想即是：推荐系统在预判某用户对某个项目的评分的时候，利用和该用户相似的别的用户的评判结果来逼近需要预判的用户对该项目的评分。基于项目的协同过滤推荐算法思想是：当需要对某用户的某个项目进行评分的时候，利用该用户对与该项目类似的项目评分作为参考来估计。
2.基于聚类的协同过滤算法概述
基于聚类的协同过滤算法的出现是为了提高减少协同过滤算法中的搜索相似用户或项目的搜索空间，从而加快传统协同过滤算法的推荐速度。典型的基于聚类的协同过滤算法是k-means聚类算法。
一般在推荐系统中，生产k个稳定的聚类后，还需要将k个聚类作为k个虚拟的用户集合。最后在生成的虚拟用户上搜索当前目标的最近邻居，再根据邻居的评分状况对当前目标进行推荐。
（三）汽车金融产品推荐系统
汽车金融产品推荐系统的任务是依据已经存在于建立好的模式挖掘模块中的用户访问模式库，分别为每一位用户自动发送该用户可能感兴趣的但至今为止仍未访问过的推荐页面。
1.用户识别
用户识别的方法目前主要有三种：
（1）通过分析页面请求的Cookie值是否相同来判断是否接收的是来自于同一个用户的请求；
（2）向站点提供一个登录标识符方可继续访问，则可以利用对登录标识符进行识别来识别用户；
（3）在识别用户时可以通过对发出请求的用户主机地址以及服务器日志中己经记录下来的引用页和请求页的网页地址进行分析，同时依据web站点内超链接的拓扑结构或其它的启发式规则。
2.用户输入
通常情况下，用户在汽车金融产品推荐系统中的输入可以通过以下四种方式进行：
（1）隐式浏览输入：在用户不知情的情况下，默认将用户浏览网页的行为和习惯作为推荐系统的输入；
（2）显示浏览输入：用户在浏览网页时是带有目的性的，因此用户主动地向推荐系统提供自己的兴趣爱好；
（3）条目属性和关键词输入：用户在推荐系统中输入有关的商品条目属性或者关键词，进而推荐系统向用户提供有价值的商品推荐；
（4）用户购买历史：把一记录在服务器上的用户过去的购买历史记录作为推荐系统的输入。
3.模式匹配
在进行模式匹配前，需定义适合的临界用户会话的长度。若临界长度太大，则会造成运行推荐的时间过长，甚至可能导致无法在模式库中找到适合的模式进行匹配；若临界长度太小，则可能使产生的推荐集合太大以至于用户无法适从。
总结
本文的主要工作是对基于数据挖掘的汽车金融产品推荐系统进行了探索和研究，详细分析了汽车金融产品推荐系统中的推荐引擎技术，设计了推荐系统的完整模型，介绍并分析比较了各种推荐算法，同时对算法做出了改进，最后给出了本文中汽车金融产品推荐系统的实现。
参考文献
[1] 陈京民编著，数据仓库与数据挖掘技术[J].电子工业出版社，2012：36-324页
[2] 傅强，李永涛.基于logistic模型的上市公司信用风险评价[J].华东经济理，2011（9）：95-98.