CN108734587A - 金融产品的推荐方法及终端设备 - Google Patents
金融产品的推荐方法及终端设备 Download PDFInfo
- Publication number
- CN108734587A CN108734587A CN201810495257.7A CN201810495257A CN108734587A CN 108734587 A CN108734587 A CN 108734587A CN 201810495257 A CN201810495257 A CN 201810495257A CN 108734587 A CN108734587 A CN 108734587A
- Authority
- CN
- China
- Prior art keywords
- user
- financial product
- candidate
- product
- target user
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 239000011159 matrix material Substances 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 14
- 238000000513 principal component analysis Methods 0.000 claims description 6
- 238000004519 manufacturing process Methods 0.000 claims 1
- 230000032258 transport Effects 0.000 claims 1
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000004364 calculation method Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 4
- 239000010931 gold Substances 0.000 description 4
- 229910052737 gold Inorganic materials 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000002844 melting Methods 0.000 description 3
- 230000008018 melting Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/06—Asset management; Financial planning or analysis
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明适用于人工智能技术领域,提供了一种金融产品的推荐方法及终端设备,通过获取目标用户的用户信息以及一个以上金融产品的准入条件,将符合准入条件的金融产品作为候选金融产品存入候选金融产品列表;获取各个候选金融产品的用户标签,并根据候选金融产品的用户标签对应的用户信息,计算该候选金融产品的产品特征参数;计算目标用户特征参数与各个候选金融产品的产品特征参数的相似度,将预设个数的相似度最高的候选金融产品推荐给目标用户,以根据其他用户对于金融产品的选择,有针对性地向目标用户推荐产品,提高用户对于被推荐的金融产品的满意度。
Description
技术领域
本发明属于人工智能领域,尤其涉及一种金融产品的推荐方法及终端设备。
背景技术
随着金融业的发展,人们的生活越来越多地与各种金融产品紧密地联系在了一起。众所周知,不同的金融产品都有各自对应的用户,现有技术中,业内往往是将热门或者新推出的金融产品无差别的推荐给客户,这就导致了推荐的金融产品可能不是客户真正需要的,客户对这类不准确的推荐非常反感。
另一方面,由于金融业的特点,用户对于一款金融产品(如人身保险)的选择一般都是一次性的,这就使得传统的基于某个用户历史选择数据对该用户进行推荐的方法存在冷启动的问题,所以传统的推荐算法难以适应对于金融产品的推荐。
发明内容
有鉴于此,本发明实施例提供了一种金融产品的推荐方法及终端设备,以解决现有技术在向客户推荐金融产品时存在的推荐缺乏针对性的问题。
本发明实施例的第一方面提供了一种金融产品的推荐方法,包括:
获取目标用户的用户信息以及一个以上金融产品的准入条件,所述准入条件包括:准入判别类型和各个所述准入判别类型的阈值,并根据所述目标用户的用户信息确定所述目标用户的目标用户特征参数;
将所述目标用户的用户信息与所述金融产品的准入判别类型和各个所述准入判别类型的阈值进行比对,将符合所述准入条件的所述金融产品作为候选金融产品存入候选金融产品列表;
获取所述候选金融产品列表中的各个候选金融产品的用户标签,所述用户标签用于表示购买过所述候选金融产品的用户,并根据所述候选金融产品的用户标签对应的用户信息,计算该候选金融产品的产品特征参数;
计算所述目标用户特征参数与各个所述候选金融产品的产品特征参数的相似度,将预设个数的所述相似度最高的所述候选金融产品推荐给所述目标用户。
本发明实施例的第二方面提供了一种终端设备,包括存储器以及处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时,实现如下步骤:
获取目标用户的用户信息以及一个以上金融产品的准入条件,所述准入条件包括:准入判别类型和各个所述准入判别类型的阈值,并根据所述目标用户的用户信息确定所述目标用户的目标用户特征参数;
将所述目标用户的用户信息与所述金融产品的准入判别类型和各个所述准入判别类型的阈值进行比对,将符合所述准入条件的所述金融产品作为候选金融产品存入候选金融产品列表;
获取所述候选金融产品列表中的各个候选金融产品的用户标签,所述用户标签用于表示购买过所述候选金融产品的用户,并根据所述候选金融产品的用户标签对应的用户信息,计算该候选金融产品的产品特征参数;
计算所述目标用户特征参数与各个所述候选金融产品的产品特征参数的相似度,将预设个数的所述相似度最高的所述候选金融产品推荐给所述目标用户。
本发明实施例的第三方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如下步骤:
获取目标用户的用户信息以及一个以上金融产品的准入条件,所述准入条件包括:准入判别类型和各个所述准入判别类型的阈值,并根据所述目标用户的用户信息确定所述目标用户的目标用户特征参数;
将所述目标用户的用户信息与所述金融产品的准入判别类型和各个所述准入判别类型的阈值进行比对,将符合所述准入条件的所述金融产品作为候选金融产品存入候选金融产品列表;
获取所述候选金融产品列表中的各个候选金融产品的用户标签,所述用户标签用于表示购买过所述候选金融产品的用户,并根据所述候选金融产品的用户标签对应的用户信息,计算该候选金融产品的产品特征参数;
计算所述目标用户特征参数与各个所述候选金融产品的产品特征参数的相似度,将预设个数的所述相似度最高的所述候选金融产品推荐给所述目标用户。
优选地,所述并根据所述候选金融产品的用户标签对应的用户信息,计算该候选金融产品的产品特征参数,包括:
根据预设的用户信息与数字的对应关系,将所述候选金融产品的用户标签对应的用户信息转换成所述用户标签对应的用户信息矩阵;
根据主成分分析法计算所述用户标签对应的用户信息矩阵的特征参数,作为所述用户标签对应的用户特征参数;
获取所述候选金融产品的用户标签的生成时间,所述生成时间为用户最后一次购买所述候选金融产品的时间,并计算所述生成时间与当前时间的时间差,作为所述用户标签对应的购买时间差;
根据所述用户标签对应的购买时间差以及所述用户特征参数,计算所述候选金融产品的产品特征参数。
优选地,所述根据所述用户标签对应的购买时间差以及所述用户特征参数,计算所述候选金融产品的产品特征参数,包括:
通过公式:计算所述候选金融产品的产品特征参数,其中,所述Vj为候选金融产品j的产品特征参数,所述C为预设的常数,所述tij为候选金融产品j的用户标签i对应的购买时间差,所述pi为用户标签i对应的用户特征参数,所述n为所述Vj以及所述pi的元素数。
优选地,所述计算所述目标用户特征参数与各个所述候选金融产品的产品特征参数的相似度,包括:
通过公式:计算所述目标用户特征参数与各个所述候选金融产品的产品特征参数的相似度,其中,所述Sjm为目标用户m的目标用户特征参数与候选金融产品j的产品特征参数的相似度,所述Vj为候选金融产品j的产品特征参数,所述Xm为目标用户m的目标用户特征参数,所述n为所述Vj以及所述Xm的元素数。
优选地,还包括:
接收所述目标用户对所述候选金融产品的选择,并确定所述目标用户与所述候选金融产品的对应关系;
根据所述目标用户与所述候选金融产品的对应关系,为所述候选金融产品添加用户标签。
在本发明实施例中,通过获取目标用户的用户信息以及一个以上金融产品的准入条件,所述准入条件包括:准入判别类型和各个所述准入判别类型的阈值,并根据所述目标用户的用户信息确定所述目标用户的目标用户特征参数;将所述目标用户的用户信息与所述金融产品的准入判别类型和各个所述准入判别类型的阈值进行比对,将符合所述准入条件的所述金融产品作为候选金融产品存入候选金融产品列表;获取所述候选金融产品列表中的各个候选金融产品的用户标签,并根据所述候选金融产品的用户标签对应的用户信息,计算该候选金融产品的产品特征参数;计算所述目标用户特征参数与各个所述候选金融产品的产品特征参数的相似度,将预设个数的所述相似度最高的所述候选金融产品推荐给所述目标用户,以根据其他用户对于金融产品的选择,有针对性地向目标用户推荐产品,提供用户对于被推荐的金融产品的满意度。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的金融产品的推荐方法的实现流程图;
图2是本发明实施例提供的金融产品的推荐方法S103的具体实现流程图;
图3是本发明实施例提供的金融产品的推荐装置的结构框图;
图4是本发明实施例提供的终端设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
图1示出了本发明实施例提供的金融产品的推荐方法的实现流程,该方法流程包括步骤S101至S104。各步骤的具体实现原理如下。
S101:获取目标用户的用户信息以及一个以上金融产品的准入条件,所述准入条件包括:准入判别类型和各个所述准入判别类型的阈值,并根据所述目标用户的用户信息确定所述目标用户的目标用户特征参数。
在本发明实施例中,各个金融产品都对应一个准入条件,例如:准入条件为年龄大于18周岁;或存款金额大于100万;或现有贷款金额低于50万等。可以理解地,如果一个金融产品允许所有用户购买,则该金融产品对应的准入条件为无,在计算机处理中,该金融产品的准入条件可以用null表示。
在本发明实施例中,各个金融产品的准入条件包括:准入判别类型和各个所述准入判别类型的阈值,例如,在准入条件为年龄大于18周岁中,准入判别类型为:年龄,准入判别类型的阈值为:18周岁;在准入条件为存款金额大于100万中,准入判别类型为:存款金额,准入判别类型的阈值为:100万。
在本发明实施例中,还需要将目标用户的用户信息转换成目标用户特征参数,以便进行后续的计算过程。
可选地,获取预设的用户数据类型与数字的对应关系,将目标用户的用户信息中的用户数据类型转换为数字。例如,一个目标用户的用户信息包括:年龄:20周岁,职业为:学生,存款金额:10万元,现贷款金额:0元,而根据预设的用户数据类型与数字的对应关系,用户数据类型年龄对应数字1,用户数据类型职业对应数字2,用户数据类型存款金额对应数字11,用户数据类型贷款金额对应数字30,就可以将用户数据类型转换成对应的数字。
可选地,当目标用户的用户数据类型转换成数字后,就可以将用户数据类型对应的具体信息数值放入用户信息矩阵对应的元素中,例如,假设用户信息矩阵为一个行数和列数均为10的矩阵,根据上文所述的示例,可以将20作为用户信息矩阵的第一行第一列的元素;而如果根据预设的对应关系,“学生”对应的数字为19,则可以将19作为用户信息矩阵的第一行第二列的元素;100000可以作为用户信息矩阵的第二行第一列的元素;0可以作为用户信息矩阵第三行第十列的元素。可以理解地,通过上述的方法,可以将目标用户的用户信息首先转换成目标用户的用户信息矩阵。
可选地,可以通过主成分分析法对目标用户的用户信息矩阵进行降维计算,以得到目标用户的目标用户特征矩阵。在本发明实施例中,可以将目标用户特征矩阵作为目标用户特征参数。
在本发明实施例中,通过获取金融产品的准入条件,可以为后续的对目标用户可选择的金融产品进行筛选提供数据支持,并且根据目标用户的用户信息确定目标用户的目标用户特征参数,将用户信息转换成可以计算的参数,为后续计算提供便利。
S102:将所述目标用户的用户信息与所述金融产品的准入判别类型和各个所述准入判别类型的阈值进行比对,将符合所述准入条件的所述金融产品作为候选金融产品存入候选金融产品列表。
优选地,从目标用户的用户信息中提取准入判别类型对应的数据,并与准入判别类型的阈值进行比较。例如,一个金融产品的准入条件为:存款金额大于100万,则该准入条件的准入判别类型为:存款金额,则从目标用户的用户信息中提取存款金额对应的数据,并将该数据与100万进行比对,以判断目标用户是否符合该金融产品的准入条件。可以理解地,通过上述方法可以筛选出目标用户符合的准入条件对应的金融产品,即筛选出目标用户可以购买的金融产品,并将这些符合准入条件的所述金融产品作为候选金融产品存入候选金融产品列表。
在本发明实施例中,通过计算得到候选金融产品列表,缩小后续向目标用户推荐金融产品的范围,以减小后续推荐运算的计算量。
S103,获取所述候选金融产品列表中的各个候选金融产品的用户标签,所述用户标签用于表示购买过所述候选金融产品的用户,并根据所述候选金融产品的用户标签对应的用户信息,计算该候选金融产品的产品特征参数。
可选地,在本发明实施例中,各个金融产品都具有一个或多个用户标签,用于表示购买过该金融产品的用户,例如,若金融产品A的用户标签为:甲、乙、丙以及丁,则代表用户甲、乙、丙以及丁都购买过金融产品A。可以理解地,通过一个金融产品的用户标签可以确定购买过该金融产品的用户,进而获取这些用户的用户信息,以根据这些用户的用户信息计算该金融产品的产品特征参数。
作为本发明的一个实施例,如图2所示,上述S103包括:
S1031,根据预设的用户信息与数字的对应关系,将所述候选金融产品的用户标签对应的用户信息转换成所述用户标签对应的用户信息矩阵。
可选地,假设候选金融产品A的用户标签为用户甲和用户乙,则将用户甲和用户乙的用户数据类型转换成数字后,就可以将用户数据类型对应的具体信息数值放入用户信息矩阵对应的元素中,例如,用户甲的用户信息包括:年龄:20周岁,职业为:学生,存款金额:10万元,现贷款金额:0元,而根据预设的用户数据类型与数字的对应关系,用户数据类型年龄对应数字1,用户数据类型职业对应数字2,用户数据类型存款金额对应数字11,用户数据类型贷款金额对应数字30,就可以将用户数据类型转换成对应的数字。假设用户信息矩阵为一个行数和列数均为10的矩阵,根据上文所述的示例,可以将20作为用户信息矩阵的第一行第一列的元素;而如果根据预设的对应关系,“学生”对应的数字为19,则可以将19作为用户信息矩阵的第一行第二列的元素;100000可以作为用户信息矩阵的第二行第一列的元素;0可以作为用户信息矩阵第三行第十列的元素。可以理解地,通过上述的方法,可以将用户甲的用户信息首先转换成用户甲的用户信息矩阵。
S1032,根据主成分分析法计算所述用户标签对应的用户信息矩阵的特征参数,作为所述用户标签对应的用户特征参数。
S1033,获取所述候选金融产品的用户标签的生成时间,所述生成时间为用户最后一次购买所述候选金融产品的时间,并计算所述生成时间与当前时间的时间差,作为所述用户标签对应的购买时间差。
值得注意地,本发明实施例的一个重要发明点在于引入了时间的概念,对不同时间生成的用户标签对应的用户特征参数进行不同程度的参考。可以理解地,一个用户标签生成的时间越长,其对应的用户特征参数的参考意义越小。
在本发明实施例中,若一个用户购买过多次同一个金融产品,则将该用户最后一次购买该金融产品的时间,作为该金融产品对应于该用户的用户标签生成的时间。可以理解地,在获取了一个候选金融产品对应的各个用户标签的生成时间后,可以根据当前时间计算出各个用户标签对应的购买时间差。
S1034,根据所述用户标签对应的购买时间差以及所述用户特征参数,计算所述候选金融产品的产品特征参数。
可选地,可以通过公式:计算所述候选金融产品的产品特征参数,其中,所述Vj为候选金融产品j的产品特征参数,所述C为预设的常数,所述tij为候选金融产品j的用户标签i对应的购买时间差,所述pi为用户标签i对应的用户特征参数,所述n为所述Vj以及所述pi的元素数。
在本发明实施例中,一个金融产品的产品特征参数需要根据各个用户标签对应的购买时间差确定加权系数,并通过该金融产品的各个用户标签对应的用户特征参数加权平均后计算得到结果。
可以理解地,在本发明实施例中,通过引入时间的概念以及对于购买过候选金融产品的用户的用户特征参数的参考,计算得到的各个候选金融产品的产品特征参数,可以很好的反应候选金融产品的特征,有利于后续相似度计算的准确性。
S104,计算所述目标用户特征参数与各个所述候选金融产品的产品特征参数的相似度,将预设个数的所述相似度最高的所述候选金融产品推荐给所述目标用户。
优选地,通过公式:计算所述目标用户特征参数与各个所述候选金融产品的产品特征参数的相似度,其中,所述Sjm为目标用户m的目标用户特征参数与候选金融产品j的产品特征参数的相似度,所述Vj为候选金融产品j的产品特征参数,所述Xm为目标用户m的目标用户特征参数,所述n为所述Vj以及所述Xm的元素数。
可以理解地,由于各个候选金融产品的产品特征参数是通过其他用户的用户特征参数计算得到的,所以通过余弦相似度公式可以很好的计算出两个向量的相似度,在本发明实施例中,通过上述的计算公式,快速准确地计算出目标用户特征参数与各个所述候选金融产品的产品特征参数的相似度,并基于相似度为目标用户推荐金融产品。
可选地,在向目标用户推荐预设个数的相似度最高的所述候选金融产品后,本发明实施例还可以接收目标用户对所述候选金融产品的选择,并确定所述目标用户与所述候选金融产品的对应关系;根据所述目标用户与所述候选金融产品的对应关系,为所述候选金融产品添加用户标签。
可以理解地,通过上述步骤可以将目标用户对于金融产品的选择作为后续对其他用户进行金融产品推荐的参考数据。
在本发明实施例中,通过获取目标用户的用户信息以及一个以上金融产品的准入条件,所述准入条件包括:准入判别类型和各个所述准入判别类型的阈值,并根据所述目标用户的用户信息确定所述目标用户的目标用户特征参数;将所述目标用户的用户信息与所述金融产品的准入判别类型和各个所述准入判别类型的阈值进行比对,将符合所述准入条件的所述金融产品作为候选金融产品存入候选金融产品列表;获取所述候选金融产品列表中的各个候选金融产品的用户标签,并根据所述候选金融产品的用户标签对应的用户信息,计算该候选金融产品的产品特征参数;计算所述目标用户特征参数与各个所述候选金融产品的产品特征参数的相似度,将预设个数的所述相似度最高的所述候选金融产品推荐给所述目标用户,以根据其他用户对于金融产品的选择,有针对性地向目标用户推荐产品,提供用户对于被推荐的金融产品的满意度。
对应于上文实施例所述的金融产品的推荐方法,图示出了本发明实施例提供的金融产品的推荐装置的结构框图,为了便于说明,仅示出了与本发明实施例相关的部分。
参照图3,该装置包括:
获取模块301,用于获取目标用户的用户信息以及一个以上金融产品的准入条件,所述准入条件包括:准入判别类型和各个所述准入判别类型的阈值,并根据所述目标用户的用户信息确定所述目标用户的目标用户特征参数;
列表生成模块302,用于将所述目标用户的用户信息与所述金融产品的准入判别类型和各个所述准入判别类型的阈值进行比对,将符合所述准入条件的所述金融产品作为候选金融产品存入候选金融产品列表;
计算模块303,用于获取所述候选金融产品列表中的各个候选金融产品的用户标签,所述用户标签用于表示购买过所述候选金融产品的用户,并根据所述候选金融产品的用户标签对应的用户信息,计算该候选金融产品的产品特征参数;
推荐模块304,用于计算所述目标用户特征参数与各个所述候选金融产品的产品特征参数的相似度,将预设个数的所述相似度最高的所述候选金融产品推荐给所述目标用户。
可选地,所述计算模块包括:
转换子模块,用于根据预设的用户信息与数字的对应关系,将所述候选金融产品的用户标签对应的用户信息转换成所述用户标签对应的用户信息矩阵;
分析子模块,用于根据主成分分析法计算所述用户标签对应的用户信息矩阵的特征参数,作为所述用户标签对应的用户特征参数;
计时子模块,用于获取所述候选金融产品的用户标签的生成时间,所述生成时间为用户最后一次购买所述候选金融产品的时间,并计算所述生成时间与当前时间的时间差,作为所述用户标签对应的购买时间差;
特征计算子模块,用于根据所述用户标签对应的购买时间差以及所述用户特征参数,计算所述候选金融产品的产品特征参数。
可选地,所述特征计算子模块具体用于:
通过公式:计算所述候选金融产品的产品特征参数,其中,所述Vj为候选金融产品j的产品特征参数,所述C为预设的常数,所述tij为候选金融产品j的用户标签i对应的购买时间差,所述pi为用户标签i对应的用户特征参数,所述n为所述Vj以及所述pi的元素数。
所述推荐模块,具体用于:
通过公式:计算所述目标用户特征参数与各个所述候选金融产品的产品特征参数的相似度,其中,所述Sjm为目标用户m的目标用户特征参数与候选金融产品j的产品特征参数的相似度,所述Vj为候选金融产品j的产品特征参数,所述Xm为目标用户m的目标用户特征参数,所述n为所述Vj以及所述Xm的元素数。
所述装置还包括:
确定模块,用于接收所述目标用户对所述候选金融产品的选择,并确定所述目标用户与所述候选金融产品的对应关系;
添加模块,用于根据所述目标用户与所述候选金融产品的对应关系,为所述候选金融产品添加用户标签。
在本发明实施例中,通过获取目标用户的用户信息以及一个以上金融产品的准入条件,所述准入条件包括:准入判别类型和各个所述准入判别类型的阈值,并根据所述目标用户的用户信息确定所述目标用户的目标用户特征参数;将所述目标用户的用户信息与所述金融产品的准入判别类型和各个所述准入判别类型的阈值进行比对,将符合所述准入条件的所述金融产品作为候选金融产品存入候选金融产品列表;获取所述候选金融产品列表中的各个候选金融产品的用户标签,并根据所述候选金融产品的用户标签对应的用户信息,计算该候选金融产品的产品特征参数;计算所述目标用户特征参数与各个所述候选金融产品的产品特征参数的相似度,将预设个数的所述相似度最高的所述候选金融产品推荐给所述目标用户,以根据其他用户对于金融产品的选择,有针对性地向目标用户推荐产品,提供用户对于被推荐的金融产品的满意度。
图4是本发明一实施例提供的终端设备的示意图。如图4所示,该实施例的终端设备4包括:处理器40、存储器41以及存储在所述存储器41中并可在所述处理器40上运行的计算机程序42,例如金融产品的推荐程序。所述处理器40执行所述计算机程序42时实现上述各个金融产品的推荐方法实施例中的步骤,例如图1所示的步骤101至104。或者,所述处理器40执行所述计算机程序42时实现上述各装置实施例中各模块/单元的功能,例如图4所示单元401至404的功能。
示例性的,所述计算机程序42可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器41中,并由所述处理器40执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序42在所述终端设备4中的执行过程。
所述终端设备4可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括,但不仅限于,处理器40、存储器41。本领域技术人员可以理解,图4仅仅是终端设备4的示例,并不构成对终端设备4的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器40可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器41可以是所述终端设备4的内部存储单元,例如终端设备4的硬盘或内存。所述存储器41也可以是所述终端设备4的外部存储设备,例如所述终端设备4上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器41还可以既包括所述终端设备4的内部存储单元也包括外部存储设备。所述存储器41用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器41还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种金融产品的推荐方法,其特征在于,包括:
获取目标用户的用户信息以及一个以上金融产品的准入条件,所述准入条件包括:准入判别类型和各个所述准入判别类型的阈值,并根据所述目标用户的用户信息确定所述目标用户的目标用户特征参数;
将所述目标用户的用户信息与所述金融产品的准入判别类型和各个所述准入判别类型的阈值进行比对,将符合所述准入条件的所述金融产品作为候选金融产品存入候选金融产品列表;
获取所述候选金融产品列表中的各个候选金融产品的用户标签,所述用户标签用于表示购买过所述候选金融产品的用户,并根据所述候选金融产品的用户标签对应的用户信息,计算该候选金融产品的产品特征参数;
计算所述目标用户特征参数与各个所述候选金融产品的产品特征参数的相似度,将预设个数的所述相似度最高的所述候选金融产品推荐给所述目标用户。
2.如权利要求1所述的金融产品的推荐方法,其特征在于,所述并根据所述候选金融产品的用户标签对应的用户信息,计算该候选金融产品的产品特征参数,包括:
根据预设的用户信息与数字的对应关系,将所述候选金融产品的用户标签对应的用户信息转换成所述用户标签对应的用户信息矩阵;
根据主成分分析法计算所述用户标签对应的用户信息矩阵的特征参数,作为所述用户标签对应的用户特征参数;
获取所述候选金融产品的用户标签的生成时间,所述生成时间为用户最后一次购买所述候选金融产品的时间,并计算所述生成时间与当前时间的时间差,作为所述用户标签对应的购买时间差;
根据所述用户标签对应的购买时间差以及所述用户特征参数,计算所述候选金融产品的产品特征参数。
3.如权利要求2所述的金融产品的推荐方法,其特征在于,所述根据所述用户标签对应的购买时间差以及所述用户特征参数,计算所述候选金融产品的产品特征参数,包括:
通过公式:计算所述候选金融产品的产品特征参数,其中,所述Vj为候选金融产品j的产品特征参数,所述C为预设的常数,所述tij为候选金融产品j的用户标签i对应的购买时间差,所述pi为用户标签i对应的用户特征参数,所述n为所述Vj以及所述pi的元素数。
4.如权利要求1所述的金融产品的推荐方法,其特征在于,所述计算所述目标用户特征参数与各个所述候选金融产品的产品特征参数的相似度,包括:
通过公式:计算所述目标用户特征参数与各个所述候选金融产品的产品特征参数的相似度,其中,所述Sjm为目标用户m的目标用户特征参数与候选金融产品j的产品特征参数的相似度,所述Vj为候选金融产品j的产品特征参数,所述Xm为目标用户m的目标用户特征参数,所述n为所述Vj以及所述Xm的元素数。
5.如权利要求1所述的金融产品的推荐方法,其特征在于,还包括:
接收所述目标用户对所述候选金融产品的选择,并确定所述目标用户与所述候选金融产品的对应关系;
根据所述目标用户与所述候选金融产品的对应关系,为所述候选金融产品添加用户标签。
6.一种终端设备,包括存储器以及处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时,实现如下步骤:
获取目标用户的用户信息以及一个以上金融产品的准入条件,所述准入条件包括:准入判别类型和各个所述准入判别类型的阈值,并根据所述目标用户的用户信息确定所述目标用户的目标用户特征参数;
将所述目标用户的用户信息与所述金融产品的准入判别类型和各个所述准入判别类型的阈值进行比对,将符合所述准入条件的所述金融产品作为候选金融产品存入候选金融产品列表;
获取所述候选金融产品列表中的各个候选金融产品的用户标签,所述用户标签用于表示购买过所述候选金融产品的用户,并根据所述候选金融产品的用户标签对应的用户信息,计算该候选金融产品的产品特征参数;
计算所述目标用户特征参数与各个所述候选金融产品的产品特征参数的相似度,将预设个数的所述相似度最高的所述候选金融产品推荐给所述目标用户。
7.如权利要求6所述的终端设备,其特征在于,所述并根据所述候选金融产品的用户标签对应的用户信息,计算该候选金融产品的产品特征参数,包括:
根据预设的用户信息与数字的对应关系,将所述候选金融产品的用户标签对应的用户信息转换成所述用户标签对应的用户信息矩阵;
根据主成分分析法计算所述用户标签对应的用户信息矩阵的特征参数,作为所述用户标签对应的用户特征参数;
获取所述候选金融产品的用户标签的生成时间,所述生成时间为用户最后一次购买所述候选金融产品的时间,并计算所述生成时间与当前时间的时间差,作为所述用户标签对应的购买时间差;
根据所述用户标签对应的购买时间差以及所述用户特征参数,计算所述候选金融产品的产品特征参数。
8.如权利要求7所述的终端设备,其特征在于,所述根据所述用户标签对应的购买时间差以及所述用户特征参数,计算所述候选金融产品的产品特征参数,包括:
通过公式:计算所述候选金融产品的产品特征参数,其中,所述Vj为候选金融产品j的产品特征参数,所述C为预设的常数,所述tij为候选金融产品j的用户标签i对应的购买时间差,所述pi为用户标签i对应的用户特征参数,所述n为所述Vj以及所述pi的元素数。
9.如权利要求6所述的终端设备,其特征在于,所述计算所述目标用户特征参数与各个所述候选金融产品的产品特征参数的相似度,包括:
通过公式:计算所述目标用户特征参数与各个所述候选金融产品的产品特征参数的相似度,其中,所述Sjm为目标用户m的目标用户特征参数与候选金融产品j的产品特征参数的相似度,所述Vj为候选金融产品j的产品特征参数,所述Xm为目标用户m的目标用户特征参数,所述n为所述Vj以及所述Xm的元素数。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810495257.7A CN108734587A (zh) | 2018-05-22 | 2018-05-22 | 金融产品的推荐方法及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810495257.7A CN108734587A (zh) | 2018-05-22 | 2018-05-22 | 金融产品的推荐方法及终端设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108734587A true CN108734587A (zh) | 2018-11-02 |
Family
ID=63937804
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810495257.7A Pending CN108734587A (zh) | 2018-05-22 | 2018-05-22 | 金融产品的推荐方法及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108734587A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109636459A (zh) * | 2018-12-07 | 2019-04-16 | 中国银行股份有限公司 | 一种面向高净值客户的广告投放方法、装置及系统 |
CN109871484A (zh) * | 2019-01-31 | 2019-06-11 | 广州工程技术职业学院 | 一种金融产品实时推荐方法 |
CN110163723A (zh) * | 2019-05-20 | 2019-08-23 | 深圳市和讯华谷信息技术有限公司 | 基于产品特征的推荐方法、装置、计算机设备及存储介质 |
CN110163718A (zh) * | 2019-04-15 | 2019-08-23 | 深圳壹账通智能科技有限公司 | 金融产品推荐方法、装置、设备及存储介质 |
CN110264306A (zh) * | 2019-05-21 | 2019-09-20 | 平安银行股份有限公司 | 基于大数据的产品推荐方法、装置、服务器及介质 |
CN110704677A (zh) * | 2019-08-23 | 2020-01-17 | 优地网络有限公司 | 一种节目推荐方法、装置、可读存储介质及终端设备 |
CN111626863A (zh) * | 2020-06-02 | 2020-09-04 | 北京比财数据科技有限公司 | 一种金融产品的智能推荐方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004127261A (ja) * | 2002-07-30 | 2004-04-22 | Daiwa Securities Group Inc | 金融商品提示システム、その方法及び金融商品検索サーバ |
US20160125503A1 (en) * | 2013-06-05 | 2016-05-05 | Beijing Jingdong Shangke Information Technology Co., Ltd | Method, apparatus and system for recommending product information |
CN107038486A (zh) * | 2016-02-03 | 2017-08-11 | 株式会社日立制作所 | 金融产品预测装置以及金融产品预测方法 |
-
2018
- 2018-05-22 CN CN201810495257.7A patent/CN108734587A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004127261A (ja) * | 2002-07-30 | 2004-04-22 | Daiwa Securities Group Inc | 金融商品提示システム、その方法及び金融商品検索サーバ |
US20160125503A1 (en) * | 2013-06-05 | 2016-05-05 | Beijing Jingdong Shangke Information Technology Co., Ltd | Method, apparatus and system for recommending product information |
CN107038486A (zh) * | 2016-02-03 | 2017-08-11 | 株式会社日立制作所 | 金融产品预测装置以及金融产品预测方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109636459A (zh) * | 2018-12-07 | 2019-04-16 | 中国银行股份有限公司 | 一种面向高净值客户的广告投放方法、装置及系统 |
CN109871484A (zh) * | 2019-01-31 | 2019-06-11 | 广州工程技术职业学院 | 一种金融产品实时推荐方法 |
CN109871484B (zh) * | 2019-01-31 | 2022-02-18 | 广州工程技术职业学院 | 一种金融产品实时推荐方法 |
CN110163718A (zh) * | 2019-04-15 | 2019-08-23 | 深圳壹账通智能科技有限公司 | 金融产品推荐方法、装置、设备及存储介质 |
CN110163723A (zh) * | 2019-05-20 | 2019-08-23 | 深圳市和讯华谷信息技术有限公司 | 基于产品特征的推荐方法、装置、计算机设备及存储介质 |
CN110264306A (zh) * | 2019-05-21 | 2019-09-20 | 平安银行股份有限公司 | 基于大数据的产品推荐方法、装置、服务器及介质 |
CN110264306B (zh) * | 2019-05-21 | 2023-06-30 | 平安银行股份有限公司 | 基于大数据的产品推荐方法、装置、服务器及介质 |
CN110704677A (zh) * | 2019-08-23 | 2020-01-17 | 优地网络有限公司 | 一种节目推荐方法、装置、可读存储介质及终端设备 |
CN110704677B (zh) * | 2019-08-23 | 2023-03-17 | 优地网络有限公司 | 一种节目推荐方法、装置、可读存储介质及终端设备 |
CN111626863A (zh) * | 2020-06-02 | 2020-09-04 | 北京比财数据科技有限公司 | 一种金融产品的智能推荐方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108734587A (zh) | 金融产品的推荐方法及终端设备 | |
Wang et al. | A principled approach to data valuation for federated learning | |
WO2019223379A1 (zh) | 一种产品推荐方法和装置 | |
US20210042866A1 (en) | Method and apparatus for the semi-autonomous management, analysis and distribution of intellectual property assets between various entities | |
CN108268934A (zh) | 基于深度学习的推荐方法和装置、电子设备、介质、程序 | |
CN110263821B (zh) | 交易特征生成模型的训练、交易特征的生成方法和装置 | |
CN109492180A (zh) | 资源推荐方法、装置、计算机设备及计算机可读存储介质 | |
US20210311751A1 (en) | Machine-learning models applied to interaction data for determining interaction goals and facilitating experience-based modifications to interface elements in online environments | |
CN108205768A (zh) | 数据库建立方法和数据推荐方法及装置、设备和存储介质 | |
CN111061979B (zh) | 一种用户标签的推送方法、装置、电子设备和介质 | |
CN109189931A (zh) | 一种目标语句的筛选方法及装置 | |
US11210673B2 (en) | Transaction feature generation | |
CN109191133A (zh) | 支付渠道的选择方法及终端设备 | |
CN108804564A (zh) | 金融产品的组合推荐方法及终端设备 | |
CN111861605A (zh) | 业务对象推荐方法 | |
CN113642923A (zh) | 基于历史催收数据的不良资产包价值评估方法 | |
CN109543945A (zh) | 企业创新评估方法及终端设备 | |
CN107977768A (zh) | 一种可增值资源的评估方法及装置 | |
CN107093122B (zh) | 对象分类方法及装置 | |
CN112348590A (zh) | 一种物品价值确定方法、装置、电子设备和存储介质 | |
CN109886299A (zh) | 一种用户画像方法、装置、可读存储介质及终端设备 | |
CN108595498A (zh) | 问题反馈方法及装置 | |
CN109460778A (zh) | 活动评估方法、装置、电子设备及存储介质 | |
Jeet et al. | Learning Quantitative Finance with R | |
CN114817741A (zh) | 一种理财产品精准推荐方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1257307 Country of ref document: HK |
|
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20231208 |
|
AD01 | Patent right deemed abandoned |