제11항에 있어서, 상기 전처리부가 상기 고객 데이터를 선형 변환하는 단계는상기 전처리부가 고객 데이터에 포함된 장기 휴면 정보를 이용하여 기 설정된 기간 이상 거래가 없는 고객에 대한 데이터는 훈련에서 제외하는 단계; 및상기 전처리부가 기 설정된 기간 동안 특정 금융상품에 대한 거래가 없었다면 해당 금융상품을 구매할 확률을 0으로 설정하는 단계;를 포함하는 맞춤형 금융상품 추천 방법.

고객 데이터에 대하여 주성분 분석을 수행하여 고객 데이터의 차원을 감소시켜 전처리를 수행하는 전처리부;상기 전처리부에 의하여 전처리된 고객 데이터에 대하여 다중 레이블 분류 모형을 이용하여 레이블 모형을 생성하는 레이블 모형부; 및 상기 레이블 모형부에 의하여 생성된 상기 레이블 모형에 대하여, 임의 샘플링을 시행하여 불균형성을 해소하는 불균형 데이터 처리부;를 포함하고,상기 레이블 모형부는레이블의 조건부 확률을 계산하고 상기 조건부 확률에 대한 결합확률분포를 산출하는 확률적 분류기 체인을 이용하여 레이블 모형을 생성하고,상기 레이블의 조건부 확률을 추정할 때 상기 레이블의 조건부 확률을 임의의 순서로 추정하는 다수의 확률적 분류기 체인을 적용한 후 각각의 확률적 분류기 체인으로부터 산출되는 결과를 앙상블한 결과를 이용하여 상기 레이블의 결합확률분포가 산출되는 맞춤형 금융상품 추천 시스템.

제1항에 있어서, 상기 고객 데이터는 금융상품 거래금액 정보, 금융상품 거래 횟수 정보, 입출금고 금액 정보, 금융상품 평균잔고 정보, 고객 프로파일 정보, 고객 투자성향 정보, 장기 휴면 정보 중 적어도 하나를 포함하는 맞춤형 금융상품 추천 시스템.

제1항에 있어서, 상기 전처리부는상기 고객 데이터의 자료를 한 개의 축으로 사상시켰을 때 분산이 가장 커지는 축을 첫 번째 주성분으로, 두 번째로 커지는 축을 두 번째 주성분으로 놓이도록 새로운 좌표계를 설정하고, 이를 이용하여 고객 데이터를 선형 변환하는 맞춤형 금융상품 추천 시스템.

제1항에 있어서, 상기 레이블 모형부는랜덤 포레스트 모형, 로지스틱 회귀모형, 에이다부스트 모형 및 인공신경망 모형 중 적어도 하나를 단일 레이블 분류 모형으로서 사용하는 맞춤형 금융상품 추천 시스템.

제1항에 있어서, 상기 레이블 모형부는상기 전처리된 고객 데이터를 복수개의 단일 레이블 데이터로 변환하는 이진 연관성 기법을 이용하여 다중 레이블 모형을 생성하는 맞춤형 금융상품 추천 시스템.

제1항에 있어서, 상기 레이블 모형부는상기 전처리된 고객 데이터에 대하여 이진 연관성 기법에 따른 이전 레이블에 대한 분류 결과를 생성하고, 상기 이전 레이블에 대한 분류 결과를 다음 레이블을 예측할 때 설명변수로 사용하여 레이블 사이에 존재하는 상관관계를 반영하여 분류기 체인을 생성하는 맞춤형 금융상품 추천 시스템.

삭제

제1항에 있어서, 상기 불균형 데이터 처리부는 설명변수를 이용하여 고정된 샘플링을 수행하는 제1 샘플링 처리와 임의로 샘플링을 수행하는 제2 샘플링 처리를 수행하여 불균형 데이터를 처리하는 맞춤형 금융상품 추천 시스템.

제1항에 있어서, 상기 불균형 데이터 처리부는 고객 데이터에 포함된 장기 휴면 정보를 이용하여, 기 설정된 기간 이상 거래가 없는 고객에 대한 데이터는 훈련에서 제외하고, 기 설정된 기간 동안 특정 금융상품에 대한 거래가 없었다면 금융상품 거래와 무관한 프로파일 등의 정보를 활용하여 구매 확률을 계산하는 맞춤형 금융상품 추천 시스템.

전처리부가 고객 데이터에 대하여 주성분 분석을 수행하여 고객 데이터의 차원을 감소시켜 전처리를 수행하는 단계;레이블 모형부가 전처리된 고객 데이터에 대하여 다중 레이블 분류 모형을 이용하여 레이블 모형을 생성하는 단계; 및 불균형 데이터 처리부가 상기 레이블 모형에 대하여, 임의 샘플링을 시행하여 불균형성을 해소하는 단계; 를 포함하고,상기 레이블 모형부는레이블의 조건부 확률을 계산하고 상기 조건부 확률에 대한 결합확률분포를 산출하는 확률적 분류기 체인을 이용하여 레이블 모형을 생성하고,상기 레이블의 조건부 확률을 추정할 때 상기 레이블의 조건부 확률을 임의의 순서로 추정하는 다수의 확률적 분류기 체인을 적용한 후 각각의 확률적 분류기 체인으로부터 산출되는 결과를 앙상블한 결과를 이용하여 상기 레이블의 결합확률분포가 산출되는 맞춤형 금융상품 추천 방법.

제10항에 있어서, 상기 전처리부가 상기 전처리를 수행하는 단계는상기 전처리부가 상기 고객 데이터의 자료를 한 개의 축으로 사상시켰을 때 분산이 가장 커지는 축을 첫 번째 주성분으로 설정하는 단계; 상기 전처리부가 상기 분산이 두 번째로 커지는 축을 두 번째 주성분으로 설정하는 단계; 상기 전처리부가 상기 첫 번째 주성분과 상기 두 번째 주성분을 이용하여 새로운 좌표계를 설정하는 단계; 및상기 전처리부가 상기 새로운 좌표계를 이용하여 상기 고객 데이터를 선형 변환하는 단계; 를 포함하는 맞춤형 금융상품 추천 방법.

제10항에 있어서, 상기 레이블 모형부가 상기 레이블 모형을 생성하는 단계는,상기 레이블 모형부가 상기 전처리된 고객 데이터를 복수개의 단일 레이블 데이터로 변환하는 이진 연관성 기법을 이용하여 다중 레이블 모형을 생성하는 단계;상기 레이블 모형부가 상기 전처리된 고객 데이터에 대하여 이진 연관성 기법에 따른 이전 레이블에 대한 분류 결과를 생성하고, 상기 이전 레이블에 대한 분류 결과를 다음 레이블을 예측할 때 설명변수로 사용하여 레이블 사이에 존재하는 상관관계를 반영하여 분류기 체인을 생성하는 단계; 중 적어도 하나를 포함하는 맞춤형 금융상품 추천 방법.

제11항에 있어서, 상기 전처리부가 상기 고객 데이터를 선형 변환하는 단계는상기 전처리부가 설명변수를 이용하여 고정된 샘플링을 수행하는 제1 샘플링 처리 단계; 및상기 전처리부가 임의로 샘플링을 수행하는 제2 샘플링 처리 단계; 를 포함하는 맞춤형 금융상품 추천 방법.