基于大数据的互联网金融用户画像技术研究

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.