如今，信用卡消费已逐渐成为一种重要的支付手段，通过信用卡交易既让消费者节省了交费时间，同时也令银行从中获得了很大利润。对账单是用户高度关注的单据，它不仅是信用卡的单纯附属品，而且是银行与用户间重要的沟通媒介。目前国内多数银行的信用卡对账单存在同质化的问题，对账单的打印采用统一的模版，随对账单一起发放的各种广告也是依据投放份数随机发放。这样的对账单不仅格式简单、亲切感差，而且广告投放没有针对性，收益性很小。　　 针对传统信用卡对账单存在的以上问题，本文利用决策树分类技术，通过分析信用卡持卡人消费记录，对持卡人进行分类，挖掘出不同客户群的需求特征和对产品的期望倾向。然后，根据持卡人的消费模式和市场情况，通过个性化推荐，为不同持卡人提供有针对性的广告推荐服务，生成“个性化”的对账单。　　 本文的具体研究内容包括以下三个方面：　　 1.数据预处理：由于信用卡消费数据存在片段性、不完整性、重复性等问题，需要对数据进行预处理。本文分别采用聚集、平均值替换等方法解决了片段性、不完整性问题。针对数据的重复性问题，提出一种基于多趟近邻排序算法的改进算法，对冗余数据进行删除，最终生成满足分类挖掘要求的消费数据记录集。　　 2.用户分类模型的建立：通过对多种分类算法的比较，选择C4.5决策树[3]算法作为建立用户分类模型的数据挖掘算法，并分别根据消费金额、消费场所和消费者年龄和性别，构造用户消费分类模型，得出不同消费群体的消费特点。　　 3.个性化对账单生成：根据信用卡消费信息划分出不同客户群后，在分析不同客户群的消费特点与消费倾向的基础上，提出了一种基于稀疏矩阵划分的个性化推荐算法。该算法通过对稀疏矩阵进行划分，很大程度上解决了以往个性化推荐算法数据的高维稀疏性问题。利用该算法，对客户进行有针对性的商品广告推荐，形成“个性化”的对账单。