[00138619]基于深度学习的商业智能分析平台关键技术研发

①课题来源与背景 课题来源：广州市科技计划项目（产学研协同创新重大专项;对外科技合作）背景：随着移动互联网、物联网、云计算等新兴技术的迅猛发展,数据已经无处不在。一方面,随着企业信息化进程的不断推进,很多企业已经积累了大量的业务数据,但这些数据的价值通过传统的手段没有很好得到挖掘,另一方面数据分析的工具手段有限,以SAP、SASS、IBM等为首的数据分析咨询公司提供的解决方案相对昂贵,我国的大部分企业由于自身技术水平、经济实力等多方面的限制尚未真正实现商业智能化,这也直接阻碍着企业自身在大数据环境下的发展。随着电子商务的快速发展和移动金融的深化,银行业逐步加强与外部数据源对接,甄别有效信息,整合多渠道数据,丰富客户图谱。因此,如何借助目前先进的人工智能技术,将企业中传统的结构化数据与外部数据资源整合对接,对解决企业内部信息孤岛,提高数据挖掘效率,提升决策支持的合理性具有非常重要的现实意义。 ②技术原理及性能指标 深度学习使用无监督或半监督的特征学习和分层特征提取的高效算法来替代传统的手工获取特征,因而这些算法能被应用于其他算法无法企及的无标签数据,这类的数据比有标签数据更丰富,也更容易获得,这点也为深度学习赢得了重要的优势。使用深度学习技术来提取企业多源数据的多种特征,提高企业数据的利用率,帮助商业智能分析平台更好地完成企业需求的各类任务,最终帮助企业获得更大的经济价值。 ③技术的创造性与先进性 本项目从银行结构化、非结构化数据处理以及多源异构数据快速抽取、转换和融合技术架构进行设计出发,结合深度学习网络优点,对银行所蕴含的大量数据进行充分学习与建模。整个技术路线包括了从结构化、非结构化数据处理以及多源异构数据融合,到重点研发深度学习算法,以丰富算法库,再到算法潜在应用服务总结,最后通过应用实践进一步改进算法技术,完善基于深度学习的智能分析关键技术的创新工作。 ④技术的成熟程度,适用范围和安全性 本研究的关键技术应用于银行的精准营销、可视化数据分析、风控管理等特色应用中,其中《基于深度学习的商业智能分析平台》的阶段研发成果陆续投入市场。该系统以线下/线上渠道作为切入点,基于面向触点的场景设计,应用大数据、机器学习、生物识别等技术,实现财富类产品的实时自动化精准推荐,与反馈数据驱动的模型自动优化,打造形成集“识别—推荐—营销—反馈—优化”于一体的金融科技落地应用。 ⑤应用情况及存在的问题 相关技术已应用在民生银行北京分行、中国银行股份有限公司天津市分行、中国银行深圳市分行等多个项目上。 ⑥历年获奖情况 学术论文（已发表 SCI/EI 论文23篇）;专利（已申请发明专利7项;已申请实用新型专利3项）;软件著作权（已申请软件著作权9项）;已完成基于深度学习的商业智能分析平台软件一套。