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
