CN111612632A - 用户投资数据处理方法及装置 - Google Patents
用户投资数据处理方法及装置 Download PDFInfo
- Publication number
- CN111612632A CN111612632A CN202010406972.6A CN202010406972A CN111612632A CN 111612632 A CN111612632 A CN 111612632A CN 202010406972 A CN202010406972 A CN 202010406972A CN 111612632 A CN111612632 A CN 111612632A
- Authority
- CN
- China
- Prior art keywords
- investment
- product
- user
- interest
- financial
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 28
- 238000011156 evaluation Methods 0.000 claims abstract description 42
- 238000000034 method Methods 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims description 50
- 238000004590 computer program Methods 0.000 claims description 16
- 238000004891 communication Methods 0.000 description 25
- 238000010586 diagram Methods 0.000 description 18
- 230000006870 function Effects 0.000 description 18
- 238000012423 maintenance Methods 0.000 description 11
- 230000001960 triggered effect Effects 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 6
- 239000000872 buffer Substances 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000003313 weakening effect Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0255—Targeted advertisements based on user history
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Finance (AREA)
- Theoretical Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Databases & Information Systems (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Operations Research (AREA)
- Technology Law (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本申请实施例提供一种用户投资数据处理方法及装置，方法包括：根据用户的理财产品历史交易数据和理财产品历史评价数据，确定所述用户之间的投资兴趣相似度；确定与当前用户的所述投资兴趣相似度大于设定相似度阈值的另一用户；根据所述另一用户的理财产品与投资兴趣的对应关系，向所述当前用户推荐所述投资兴趣大于设定兴趣阈值时对应的所述理财产品，其中，所述理财产品与投资兴趣的对应关系是根据所述理财产品历史交易数据确定；本申请能够有效根据用户潜在需求进行投资兴趣预测，进而提高理财产品推荐的准确性。
Description
技术领域
本申请涉及计算机技术领域，具体涉及一种用户投资数据处理方法及装置。
背景技术
当前，我国经济不断增长，居民的生活也发生了翻天覆地的变化，随着货币收入的增加，个人经济与股份制经济都得到了快速的增长，“理财”也因此走进了广大居民的生活。民众为了使自己的钱财能够更好地保值，因此寻找新的投资理财渠道，我国银行、资产管理公司的理财投资业务蓬勃发展。
发明人发现，当前的理财产品市场至少存在两个问题：1、理财产品的投资经理对于客户的需求收集有一定的困难，运作的理财产品无法满足众多客户的需求，产品设计会存在一些不合理的地方；2、当前的推荐系统多半是推荐客户购买过的同一风险级别的产品，事实上根据客户风险评级等单一因素并不能很好地反应客户未来的投资偏好，无法更好地进行金融产品的营销。
发明内容
针对现有技术中的问题，本申请提供一种用户投资数据处理方法及装置，能够有效根据用户潜在需求进行投资兴趣预测，进而提高理财产品推荐的准确性。
为了解决上述问题中的至少一个，本申请提供以下技术方案：
第一方面，本申请提供一种用户投资数据处理方法，包括：
根据用户的理财产品历史交易数据和理财产品历史评价数据，确定所述用户之间的投资兴趣相似度；
确定与当前用户的所述投资兴趣相似度大于设定相似度阈值的另一用户；
根据所述另一用户的理财产品与投资兴趣的对应关系，向所述当前用户推荐所述投资兴趣大于设定兴趣阈值时对应的所述理财产品，其中，所述理财产品与投资兴趣的对应关系是根据所述理财产品历史交易数据确定。
进一步地，所述根据用户的理财产品历史交易数据和理财产品历史评价数据，确定所述用户之间的投资兴趣相似度，包括：
根据当前用户与另一用户的理财产品历史交易数据中均购买过的理财产品在所有购买过的理财产品中的占比，确定第一投资兴趣相似度；
根据所述当前用户与所述另一用户的理财产品历史评价数据中评分均高于设定评分阈值的理财产品在评分均高于设定评分阈值和评分均低于设定评分阈值的理财产品中的占比，确定第二投资兴趣相似度；
根据所述第一投资兴趣相似度与所述第二投资兴趣相似度，确定所述当前用户与所述另一用户之间的投资兴趣相似度。
进一步地，根据所述理财产品历史交易数据确定理财产品与投资兴趣的对应关系，包括：
根据所述理财产品历史交易数据中各理财产品的交易金额在总交易金额中的数值占比，确定所述各理财产品与投资兴趣的对应关系。
进一步地，在所述确定所述各理财产品与投资兴趣的对应关系之后，包括：
根据理财产品当前交易数据或所述理财产品历史交易数据中的购买频率更新所述各理财产品与投资兴趣的对应关系。
进一步地，在所述向所述当前用户推荐所述投资兴趣大于设定兴趣阈值时对应的所述理财产品之后，还包括：
根据所述理财产品历史评价数据，确定各理财产品的产品综合评分；
根据所述当前用户的所述投资兴趣大于设定兴趣阈值时对应的所述理财产品的产品类型，向所述当前用户推荐该产品类型下所述产品综合评分高于设定评分的理财产品。
第二方面，本申请提供一种用户投资数据处理装置，包括：
投资兴趣相似度确定模块，用于根据用户的理财产品历史交易数据和理财产品历史评价数据，确定所述用户之间的投资兴趣相似度；
投资兴趣相似用户确定模块，用于确定与当前用户的所述投资兴趣相似度大于设定相似度阈值的另一用户；
相似理财产品推荐模块，用于根据所述另一用户的理财产品与投资兴趣的对应关系，向所述当前用户推荐所述投资兴趣大于设定兴趣阈值时对应的所述理财产品，其中，所述理财产品与投资兴趣的对应关系是根据所述理财产品历史交易数据确定。
进一步地，所述投资兴趣相似度确定模块包括：
第一投资兴趣相似度确定单元，用于根据当前用户与另一用户的理财产品历史交易数据中均购买过的理财产品在所有购买过的理财产品中的占比，确定第一投资兴趣相似度；
第二投资兴趣相似度确定单元，用于根据所述当前用户与所述另一用户的理财产品历史评价数据中评分均高于设定评分阈值的理财产品在评分均高于设定评分阈值和评分均低于设定评分阈值的理财产品中的占比，确定第二投资兴趣相似度；
用户投资兴趣相似度确定单元，用于根据所述第一投资兴趣相似度与所述第二投资兴趣相似度，确定所述当前用户与所述另一用户之间的投资兴趣相似度。
进一步地，所述相似理财产品推荐模块包括：
理财产品与投资兴趣对应关系确定单元，用于根据所述理财产品历史交易数据中各理财产品的交易金额在总交易金额中的数值占比，确定所述各理财产品与投资兴趣的对应关系。
进一步地，还包括：
理财产品与投资兴趣对应关系更新单元，用于根据理财产品当前交易数据或所述理财产品历史交易数据中的购买频率更新所述各理财产品与投资兴趣的对应关系。
进一步地，还包括：
产品综合评分确定单元，用于根据所述理财产品历史评价数据，确定各理财产品的产品综合评分；
高评分产品推荐单元，用于根据所述当前用户的所述投资兴趣大于设定兴趣阈值时对应的所述理财产品的产品类型，向所述当前用户推荐该产品类型下所述产品综合评分高于设定评分的理财产品。
第三方面，本申请提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述的用户投资数据处理方法的步骤。
第四方面，本申请提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述的用户投资数据处理方法的步骤。
由上述技术方案可知，本申请提供一种用户投资数据处理方法及装置，通过获取多个用户的理财产品历史交易数据和理财产品历史评价数据，以此确定各用户之间的投资兴趣相似度，若当前用户与另一用户的投资兴趣相似度大于设定相似度阈值，则两者具有高度接近的投资偏好，此时通过获取另一用户的理财产品与投资兴趣的对应关系，即从中获取另一用户的具有较大投资兴趣的理财产品，并将其推荐给当前用户，以此对当前用户的投资兴趣进行了准确预测，并实现理财产品的精准营销推荐。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，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，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例中的用户投资数据处理方法的流程示意图之一；
图2为本申请实施例中的用户投资数据处理方法的流程示意图之二；
图3为本申请实施例中的用户投资数据处理方法的流程示意图之三；
图4为本申请实施例中的用户投资数据处理装置的结构图之一；
图5为本申请实施例中的用户投资数据处理装置的结构图之二；
图6为本申请实施例中的用户投资数据处理装置的结构图之三；
图7为本申请一具体实施例中用户投资数据处理系统的结构示意图；
图8为本申请一具体实施例中客户移动端的结构示意图；
图9为本申请一具体实施例中投资经理办公端的结构示意图；
图10为本申请一具体实施例中投资兴趣预测服务器结构示意图；
图11为本申请一具体实施例中客户投资模型处理模块的结构示意图；
图12为本申请实施例中的电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
考虑到现有技术中的理财产品推荐系统多半是推荐客户购买过的同一风险级别的产品，而根据客户风险评级等单一因素并不能很好地反映客户未来的投资偏好，无法更好地进行金融产品的营销的问题，本申请提供一种用户投资数据处理方法及装置，通过获取多个用户的理财产品历史交易数据和理财产品历史评价数据，以此确定各用户之间的投资兴趣相似度，若当前用户与另一用户的投资兴趣相似度大于设定相似度阈值，则两者具有高度接近的投资偏好，此时通过获取另一用户的理财产品与投资兴趣的对应关系，即从中获取另一用户的具有较大投资兴趣的理财产品，并将其推荐给当前用户，以此对当前用户的投资兴趣进行了准确预测，并实现理财产品的精准营销推荐。
为了能够有效根据用户潜在需求进行投资兴趣预测，进而提高理财产品推荐的准确性，本申请提供一种用户投资数据处理方法的实施例，参见图1，所述用户投资数据处理方法具体包含有如下内容：
步骤S101：根据用户的理财产品历史交易数据和理财产品历史评价数据，确定所述用户之间的投资兴趣相似度。
可以理解的是，后台服务器数据库中可以存储有所有用户的理财产品历史交易数据和理财产品历史评价数据，其中，所述理财产品历史交易数据可以为各个用户购买过的理财产品种类和金额，还可以包含购买的时间和购买的频率；所述理财产品历史评价数据为用户购买理财产品后通过预设评分系统产生的针对该理财产品的用户评价。
可选的，在获取后台服务器数据库中的所有用户的理财产品历史交易数据和理财产品历史评价数据之后，可以通过现有的特征相似度计算方法确定用户之间的投资兴趣相似度，例如，获取两个用户各自的理财产品历史交易数据中购买过的理财产品的金额，若该两个用户购买过的理财产品的金额越接近，则可表明该两个用户的投资兴趣相似度越高；再例如，获取两个用户各自的理财产品历史评价数据，若该两个用户对所有理财产品的综合评分越接近，则可表明该两个用户的投资兴趣相似度越高。
步骤S102：确定与当前用户的所述投资兴趣相似度大于设定相似度阈值的另一用户。
可以理解的是，通过上述步骤S101的方法可以确定两个用户之间的投资兴趣相似度，也可以确定某一用户分别与其他用户之间的投资兴趣相似度，例如根据用户风险评级的不同将所有用户分为不同的类别，某一类别中的其中一用户可以与该类别中的其他用户分别进行投资兴趣相似度的计算。
可选的，可以预先设定一相似度阈值，例如90％，若两用户之间的投资兴趣相似度大于该预先设定的相似度阈值，则表明两用户具有基本一致或高度相似的投资兴趣。
步骤S103：根据所述另一用户的理财产品与投资兴趣的对应关系，向所述当前用户推荐所述投资兴趣大于设定兴趣阈值时对应的所述理财产品，其中，所述理财产品与投资兴趣的对应关系是根据所述理财产品历史交易数据确定。
可以理解的是，根据用户的理财产品历史交易数据可以确定用户的理财产品与投资兴趣的对应关系，该理财产品与投资兴趣的对应关系能够反映该用户对该理财产品的投资兴趣的大小。
可选的，可以根据理财产品历史交易数据中某一理财产品的交易频率来确定与之对应的投资兴趣(例如一兴趣权重值)，进而得到该理财产品与投资兴趣的对应关系，在本申请的其他一些实施例中，也可以根据理财产品历史交易数据通过现有的其他方法来确定与之对应的投资兴趣。
可选的，由上述步骤S102已知与当前用户的投资兴趣相似度最为接近的一位或多位其他用户(即所述另一用户)，进而可以根据所述另一用户的理财产品与投资兴趣的对应关系，向所述当前用户推荐所述投资兴趣大于设定兴趣阈值时对应的所述理财产品，即向当前用户推荐所述另一用户具有较大投资兴趣的理财产品，以此准确预测当前用户的投资兴趣，满足当前用户的理财产品投资需求，实现精准营销。
从上述描述可知，本申请实施例提供的用户投资数据处理方法，能够通过获取多个用户的理财产品历史交易数据和理财产品历史评价数据，以此确定各用户之间的投资兴趣相似度，若当前用户与另一用户的投资兴趣相似度大于设定相似度阈值，则两者具有高度接近的投资偏好，此时通过获取另一用户的理财产品与投资兴趣的对应关系，即从中获取另一用户的具有较大投资兴趣的理财产品，并将其推荐给当前用户，以此对当前用户的投资兴趣进行了准确预测，并实现理财产品的精准营销推荐。
为了能够准确确定两个用户之间的投资兴趣相似度，在本申请的用户投资数据处理方法的一实施例中，参见图2，上述步骤S101还可以具体包含如下内容：
步骤S201：根据当前用户与另一用户的理财产品历史交易数据中均购买过的理财产品在所有购买过的理财产品中的占比，确定第一投资兴趣相似度。
可以理解的是，两个用户购买的共同的理财产品越多，说明他们对该理财产品的投资兴趣相似度越高，因此，根据当前用户与另一用户的理财产品历史交易数据中均购买过的理财产品在所有购买过的理财产品中的占比，可以建立一个兴趣相似度公式(1)：
interest1(c,d)＝(C∩D)/(C∪D) (1)
其中，c与d代表两个用户；C和D表示两个用户分别购买过的理财产品。
步骤S202：根据所述当前用户与所述另一用户的理财产品历史评价数据中评分均高于设定评分阈值的理财产品在评分均高于设定评分阈值和评分均低于设定评分阈值的理财产品中的占比，确定第二投资兴趣相似度。
可以理解的是，由上述步骤S201可知两用户均购买过的理财产品的数量占比，由于用户可以对购买过的理财产品进行评分，进而产生理财产品历史评分数据，而理财产品历史评分数据也能够准确反应用户对该理财产品的投资兴趣，例如理财产品的最高评分为5分，若评分高于3分则代表用户对此理财产品感兴趣，若评分低于3分则表明客户对此理财产品不感兴趣，由此可以建立如下公式(2)：
interest2(c,d)＝highrate(num)/highrate(num)+lowrate(num) (2)
其中，highrate(num)表示两个用户均评分高的理财产品数量，lowrate(num)表示两个用户均评分低的理财产品数量。
步骤S203：根据所述第一投资兴趣相似度与所述第二投资兴趣相似度，确定所述当前用户与所述另一用户之间的投资兴趣相似度。
可选的，综合上述公式(1)和公式(2)，可以得到如下公式：
其中，num(c,d)表示两个用户共同持有的理财产品数量，total表示两个用户持有的理财产品数量总和，w表示预设权重因子。
为了能够准确确定用户对其所购买过的理财产品的投资兴趣，在本申请的用户投资数据处理方法的一实施例中，还可以具体包含如下内容：
根据所述理财产品历史交易数据中各理财产品的交易金额在总交易金额中的数值占比，确定所述各理财产品与投资兴趣的对应关系。
可选的，可以通过建立一兴趣描述文件以存储理财产品与投资兴趣的对应关系，具体的，可以在系统业务处理低谷期计算出一段时期内用户的理财产品购买记录(包括交易数量和交易金额)，进而计算出该理财产品在总的购买交易中的比重(例如交易金额占总交易金额的比重)，以此确定一兴趣权重值I，然后生成所述兴趣描述文件：
F＝{(w1,p1),(w2,p2)…(wn,pn)}；
其中n为数量，pi为该理财产品或该理财产品所属的产品类型，wi为对应的兴趣权重值(即所述投资兴趣)。
为了能够及时更新用户对其所购买过的理财产品的投资兴趣，在本申请的用户投资数据处理方法的一实施例中，还可以具体包含如下内容：
根据理财产品当前交易数据或所述理财产品历史交易数据中的购买频率更新所述各理财产品与投资兴趣的对应关系。
可选的，可以根据用户的当前交易数据、流水情况、理财产品评分等更新理财产品与投资兴趣的对应关系。具体可以有多个策略，至少包括兴趣新增策略、兴趣保持策略、兴趣减弱策略、兴趣去除策略。
可选的，所述兴趣新增策略：当用户购买了某个不在兴趣描述文件中的理财产品，表示用户对该类理财产品有了新的兴趣，可以将该理财产品加入到兴兴趣描述文件中，以此实现理财产品与投资兴趣的对应关系的及时更新。
可选的，所述兴趣保持策略：当用户在一定时间段内频繁购买某类型理财产品或者一直持有某类型理财产品，说明该用户对该类型理财产品有极大的兴趣，因此可以主动提高该理财产品的兴趣权重值，以此实现理财产品与投资兴趣的对应关系的及时更新。
可选的，所述兴趣减弱策略：当用户在一段时间内多次购买其他理财产品，但未购买某一类型的理财产品，则表明用户对此类型的理财产品兴趣度正在下降，可以减小该产品的兴趣权重值，以此实现理财产品与投资兴趣的对应关系的及时更新。
可选的，所述兴趣去除策略：与所述兴趣减弱策略类似，当该用户的某一类型理财产品的兴趣权重值减小到一设定的最低阈值后，可以在兴趣描述文件中剔除掉该理财产品或该类型的理财产品。
为了能够及时更新用户对其所购买过的理财产品的投资兴趣，在本申请的用户投资数据处理方法的一实施例中，参见图3，还可以具体包含如下内容：
步骤S301：根据所述理财产品历史评价数据，确定各理财产品的产品综合评分。
步骤S302：根据所述当前用户的所述投资兴趣大于设定兴趣阈值时对应的所述理财产品的产品类型，向所述当前用户推荐该产品类型下所述产品综合评分高于设定评分的理财产品。
可选的，后台服务器数据库中可以预先存储有所有用户对各个理财产品的产品评分，由此可得各个理财产品的产品综合评分，可以预先将各个理财产品进行投资分类，即将所有理财产品分为N个不同产品类型，若在当前用户的理财产品与投资兴趣的对应关系中该当前用户更倾向于投资理财产品a1(即理财产品a1对应的投资兴趣大于设定兴趣阈值)，此时可以向该当前用户推荐理财产品a1所属产品类型A下的所述产品综合评分较高的其他理财产品(例如a2、a3、a4)。
为了能够有效根据用户潜在需求进行投资兴趣预测，进而提高理财产品推荐的准确性，本申请提供一种用于实现所述用户投资数据处理方法的全部或部分内容的用户投资数据处理装置的实施例，参见图4，所述用户投资数据处理装置具体包含有如下内容：
投资兴趣相似度确定模块50，用于根据用户的理财产品历史交易数据和理财产品历史评价数据，确定所述用户之间的投资兴趣相似度。
投资兴趣相似用户确定模块60，用于确定与当前用户的所述投资兴趣相似度大于设定相似度阈值的另一用户。
相似理财产品推荐模块70，用于根据所述另一用户的理财产品与投资兴趣的对应关系，向所述当前用户推荐所述投资兴趣大于设定兴趣阈值时对应的所述理财产品，其中，所述理财产品与投资兴趣的对应关系是根据所述理财产品历史交易数据确定。
从上述描述可知，本申请实施例提供的用户投资数据处理装置，能够通过获取多个用户的理财产品历史交易数据和理财产品历史评价数据，以此确定各用户之间的投资兴趣相似度，若当前用户与另一用户的投资兴趣相似度大于设定相似度阈值，则两者具有高度接近的投资偏好，此时通过获取另一用户的理财产品与投资兴趣的对应关系，即从中获取另一用户的具有较大投资兴趣的理财产品，并将其推荐给当前用户，以此对当前用户的投资兴趣进行了准确预测，并实现理财产品的精准营销推荐。
为了能够准确确定两个用户之间的投资兴趣相似度，在本申请的用户投资数据处理装置的一实施例中，参见图5，所述投资兴趣相似度确定模块50包括：
第一投资兴趣相似度确定单元51，用于根据当前用户与另一用户的理财产品历史交易数据中均购买过的理财产品在所有购买过的理财产品中的占比，确定第一投资兴趣相似度。
第二投资兴趣相似度确定单元52，用于根据所述当前用户与所述另一用户的理财产品历史评价数据中评分均高于设定评分阈值的理财产品在评分均高于设定评分阈值和评分均低于设定评分阈值的理财产品中的占比，确定第二投资兴趣相似度。
用户投资兴趣相似度确定单元53，用于根据所述第一投资兴趣相似度与所述第二投资兴趣相似度，确定所述当前用户与所述另一用户之间的投资兴趣相似度。
为了能够准确确定用户对其所购买过的理财产品的投资兴趣，在本申请的用户投资数据处理装置的一实施例中，参见图6，所述相似理财产品推荐模块70包括：
理财产品与投资兴趣对应关系确定单元71，用于根据所述理财产品历史交易数据中各理财产品的交易金额在总交易金额中的数值占比，确定所述各理财产品与投资兴趣的对应关系。
为了能够及时更新用户对其所购买过的理财产品的投资兴趣，在本申请的用户投资数据处理装置的一实施例中，还具体包含有如下内容：
理财产品与投资兴趣对应关系更新单元，用于根据理财产品当前交易数据或所述理财产品历史交易数据中的购买频率更新所述各理财产品与投资兴趣的对应关系。
为了能够及时更新用户对其所购买过的理财产品的投资兴趣，在本申请的用户投资数据处理装置的一实施例中，还具体包含有如下内容：
产品综合评分确定单元，用于根据所述理财产品历史评价数据，确定各理财产品的产品综合评分；
高评分产品推荐单元，用于根据所述当前用户的所述投资兴趣大于设定兴趣阈值时对应的所述理财产品的产品类型，向所述当前用户推荐该产品类型下所述产品综合评分高于设定评分的理财产品。
为了更进一步说明本方案，本申请还提供一种应用上述用户投资数据处理装置实现用户投资数据处理方法的具体应用实例，具体包含有如下内容：
参见图7，本申请提供了一种用户投资数据处理系统，包含客户移动终端1、投资经理办公端2、无线通讯运营商服务器3以及投资兴趣预测服务器4。
具体的，客户移动端1与投资经理办公端2通过无线网络与无线通讯运营商服务器3相连接，无线通讯运营商服务器3通过有线网络与投资兴趣预测服务器4连接，客户移动终端1与投资经理办公端2通过无线网络进行数据交互。
可选的，参见图8，所述客户移动端1可以为智能手机、平板电脑或其他配有无线通讯模块的可移动设备，该设备需要安装客户信息收集模块11、银行加解密模块12、数据收发模块13、风险评级模块14、交易模块15、理财评价模块16。
可选的，所述无线通讯运营商服务器3通过无线网络与客户移动端1和投资经理办公端2进行交互，并通过有线网络与投资兴趣预测服务器4进行数据交互，充当数据中介。
可选的，参见图10，所述投资兴趣预测服务器4可以通过有线网络获取无线通讯运营商服务器3接收的客户移动端1和投资经理办公端2上传的数据并与之交互。在预执行阶段，投资兴趣预测服务器4负责处理预查询请求信息，将客户相关信息加密后经无线通讯运营商服务器3传输至投资兴趣预测服务器4，投资兴趣预测服务器4经过对数据解密后进行校验，校验通过后将数据传入基础数据维护模块进行下一步处理，处理完成将返回一个推荐结果给客户移动端1，同时每日系统业务处理低谷期将自动演算客户交易数据，自动配置理财产品，将产品信息反馈至投资经理办公端2供其决策。
参见图8，所述客户移动端1包括客户信息收集模块11、银行加解密模块12、数据收发模块13、风险评级模块14、交易模块15、理财评价模块16。
所述的客户信息收集模块11是客户登录银行官方移动端应用并发起理财产品推荐查询功能时触发的，负责整合风险评级模块14、交易模块15、理财评价模块16的输入输出，并将整合的信息发给银行加解密模块12进行处理。
所述的银行加解密模块12是由银行官方移动端应用提供的加解密控件，用于对客户信息收集模块整合来的数据进行加密。负责客户移动端1与投资兴趣预测服务器4数据的交互安全。
所述的数据收发模块13是移动端的通讯功能，用于将银行加密模块12产生的信息最终传送给投资兴趣预测服务器4。
所述的风险评级模块14负责收集客户的风险评级信息，该模块可以发起风险评级调查，产生客户风险评级信息将会传输给客户信息收集模块11。
所述的交易模块15是客户登录银行官方移动端应用并发起各类账务交易触发的，支持客户在银行的各类账务交易功能，产生的交易信息将会传输给客户信息收集模块11。
所述的理财评价模块16是客户登录银行官方移动端应用，在浏览理财产品或者购买理财产品后撰写评价时触发的，支持客户对理财产品进行评分和评价，产生的评价信息和客户浏览情况将会传输给客户信息收集模块11。
参见图9，所述的投资经理办公端2包括产品管理模块21、银行加解密模块22、数据收发模块23、产品发布模块24、产品维护模块25、产品决策模块26。
所述的产品管理模块21是投资经理登录银行理财产品管理平台功能时触发的，负责整合数据收发模块23、产品发布模块24、产品维护模块25、产品决策模块26的输入输出，并将整合的信息发给银行加解密模块22进行处理。
所述的银行加解密模块22是由银行官方移动端应用提供的加解密控件，用于对客户信息收集模块整合来的数据进行加密。负责投资经理办公端2与投资兴趣预测服务器4数据的交互安全。
所述的数据收发模块23是移动端的通讯功能，用于将银行加密模块12产生的信息最终传送给投资兴趣预测服务器4。
所述的产品发布模块24是投资经理登录银行理财产品管理平台，并想要发布理财产品时触发的，负责理财产品的发布，产品信息将会传输给产品管理模块21。
所述的产品维护模块25是投资经理登录银行理财产品管理平台，并想修改理财产品各类参数、产品运作时触发的，负责理财产品的参数管理和运作管理、产生的交易信息、产品信息将会传输给产品管理模块21。
所述的产品决策模块26是投资经理登录银行理财产品管理平台，想要浏览每日系统推荐产品参数设置后触发的，支持投资经理查看系统自动产生的理财产品参数供其决策，决策产生的产品信息将会传输给产品管理模块21。
参见图10，所述的投资兴趣预测服务器4包括了数据收发模块41、银行加解密模块42、基础数据维护模块43、客户投资模型处理模块44、产品决策模块45。
所述的数据收发模块41负责与客户移动端1，投资经理办公端2进行数据交互，接收以上两个系统发送来的加密信息。
所述的银行解密模块42负责客户移动端1，投资经理办公端2和投资兴趣预测服务器4数据安全交换，将加密的数据包进行解密并分发给基础数据维护模块43。
所述的基础数据维护模块43接收银行解密模块42解析的数据，负责客户信息、交易信息、评价信息的数据维护，并将这些数据提供给客户投资模型处理模块44，产品决策模块45，推荐策略更新模块46进行使用。
参见图11，所述的客户投资模型处理模块44接收基础数据维护模块43的数据，构建客户投资画像及其兴趣模型更新等功能，一方面将输出推荐给客户的理财产品，另一方面整合出相关数据发送给产品决策模块45。
所述的产品决策模块45接收客户投资模型处理模块44的数据，负责在每日系统业务处理低谷期对数据进行演算，得出相应的理财产品参数供投资经理参考。
参见图11，所述的客户投资模型处理模块44包括模型创建模块441、模型更新模块442和推荐算法模块443。
所述的模型创建模块441，当一个客户首次在银行开户时，系统无法获得客户的兴趣状况，无法产生有效的推荐。但可以用聚类的方法，将客户的各类信息，例如年龄，风险评级，工作行业，地区，学历等信息，建立用户描述文件；接着在兴趣集合则表示为{A,B}。在系统业务处理低谷期计算出一段时期内该类别客户的理财购买记录，计算出各类型客户购买理财产品的主要类别在总的购买交易中的比重，以此确定兴趣权重值I，然后生成读者的兴趣描述文件：
F＝{(w1,p1),(w2,p2)…(wn,pn)}；
其中n为兴趣数，pi为理财产品分类，wi为对应兴趣的权重值。由此客户的兴趣模型创建完成。创建完成后还将会将此模型输入到模型更新模块442中，供其更新模型。
方法(2)：例如两个用户，购买的共同的理财产品越多，说明他们的对那多个类型的理财产品兴趣度越高。首先建立一个兴趣相似度公式(1)：
interest1(c,d)＝(C∩D)/(C∪D) (1)
其中，c与d代表两个用户；C和D表示两个用户对于各类型理财产品评分的项目集合。假若产品的最高评分为5分，若评分高于3分则代表用户对此产品感兴趣，若评分低于3分则表明客户对此产品不感兴趣，则建立如下公式(2)：
interest2(c,d)＝highrate(num)/highrate(num)+lowrate(num) (2)
其中，highrate(num)表示两个用户均评分高的理财产品数量，lowrate(num)表示两个用户均评分低的理财产品数量。
综合公式(1)和公式(2)，可以得到如下公式：
其中num(c,d)表示两个用户共同持有的理财产品数量，total表示两个用户持有的理财产品数量总和，w表示权重因子。
所述的模型更新模块442，目的在于根据客户的交易、流水情况、理财产品评分等更新客户兴趣模型。其中有多个策略，包括兴趣新增策略，兴趣保持策略，兴趣减弱策略，兴趣去除策略。其中兴趣新增策略：当客户购买了某个不在描述文件中的理财产品，表示客户对该类产品有了新的兴趣，模型将该产品的标签加入到兴趣模型中；其中兴趣保持策略：当客户在一定时间段内频繁购买某类型产品或者一直持有某类型产品，说明该客户对该类型产品有极大的兴趣，因此需要提高该产品的权重值；其中兴趣减弱策略：当客户在一段时间内多次购买理财时，未购买该类型的理财，则表明客户此类型的理财产品兴趣度正在下降，需要减小该产品的权重值；其中兴趣去除策略：情况和兴趣减弱策略类似，但是当该客户该类型产品的权重值减小到一定的值后，则需要在兴趣模型中剔除掉该类型产品。
所述的推荐算法模块443，主要设计一种推荐算法的执行，最终反馈推荐结果给客户进行营销。具体过程如下：
步骤一：按照理财产品的投资分类，将产品分N个类别。
步骤二：对每个类别，由客户评分构成数据矩阵，评分可以分为M个等级，等级越高表示客户对理财的评分越高。客户打分的产品越多，产品评分矩阵会越完整，因而推荐给客户的产品就越准确。
步骤三：使用协同过滤推荐算法。
步骤四：将客户的推荐结果反馈给客户移动端1。
由上述提供的用户投资数据处理系统，本申请还提供有该用户投资数据处理系统的具体应用方法，该方法包括：
步骤S601：客户使用客户移动终端1进行理财产品浏览，系统将客户信息收集模块11收集到的客户风险评级，近期交易数据，理财评价等信息通过银行加密模块12加密后传输给数据收发模块13，接着通过无线通信网络将其上传至无线通讯服务商服务器3。
步骤S602：无线通讯运营商服务器3通过有线网络将客户移动终端1的信息传输给投资兴趣预测服务器4。
步骤S603：投资兴趣预测服务器4中的数据收发模块41将数据接收，调用银行加解密模块42解密数据。
步骤S604：基础数据维护模块43在接收到银行加解密模块42解析的数据后，对数据进行重新整合，并将数据传输给客户投资模型处理模块44，以及产品决策模块45。
步骤S605：客户投资模型处理模块44在接收到基础数据维护模块43的数据后，判断客户是否为首次购买理财，若为首次则调用模型创建模块441进行客户模型创建，否则调用模型更新模块442进行模型更新。在客户模型创建或更新的同事，调用推荐算法模块443中的算法，生成客户可能还会感兴趣的理财，返回结果给客户移动端1。
由上述内容可知，本申请至少还可以实现如下技术效果：
1、根据兴趣漂移理论设计，同时可以动态调整内部的参数及其权重，解决客户兴趣的更新和预测问题。系统可根据划分好的标签进行对应的理财产品推荐，极大地提升了客户的体验。
2、在系统每日业务量较少的时段，对特定客户群的交易行为，理财产品的客户评分，投资经理运作的理财情况等信息进行汇总并分析，在投资经理需要时，结合各类参数和标签设计出一款理财产品，供投资经理进行决策，发布和运作，减轻了投资经理设计产品的脑力劳动，为其产品设计的决策添砖加瓦。
从硬件层面来说，为了能够有效根据用户潜在需求进行投资兴趣预测，进而提高理财产品推荐的准确性，本申请提供一种用于实现所述用户投资数据处理方法中的全部或部分内容的电子设备的实施例，所述电子设备具体包含有如下内容：
处理器(processor)、存储器(memory)、通信接口(Communications Interface)和总线；其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；所述通信接口用于实现用户投资数据处理装置与核心业务系统、用户终端以及相关数据库等相关设备之间的信息传输；该逻辑控制器可以是台式计算机、平板电脑及移动终端等，本实施例不限于此。在本实施例中，该逻辑控制器可以参照实施例中的用户投资数据处理方法的实施例，以及用户投资数据处理装置的实施例进行实施，其内容被合并于此，重复之处不再赘述。
可以理解的是，所述用户终端可以包括智能手机、平板电子设备、网络机顶盒、便携式计算机、台式电脑、个人数字助理(PDA)、车载设备、智能穿戴设备等。其中，所述智能穿戴设备可以包括智能眼镜、智能手表、智能手环等。
在实际应用中，用户投资数据处理方法的部分可以在如上述内容所述的电子设备侧执行，也可以所有的操作都在所述客户端设备中完成。具体可以根据所述客户端设备的处理能力，以及用户使用场景的限制等进行选择。本申请对此不作限定。若所有的操作都在所述客户端设备中完成，所述客户端设备还可以包括处理器。
上述的客户端设备可以具有通信模块(即通信单元)，可以与远程的服务器进行通信连接，实现与所述服务器的数据传输。所述服务器可以包括任务调度中心一侧的服务器，其他的实施场景中也可以包括中间平台的服务器，例如与任务调度中心服务器有通信链接的第三方服务器平台的服务器。所述的服务器可以包括单台计算机设备，也可以包括多个服务器组成的服务器集群，或者分布式装置的服务器结构。
图12为本申请实施例的电子设备9600的系统构成的示意框图。如图12所示，该电子设备9600可以包括中央处理器9100和存储器9140；存储器9140耦合到中央处理器9100。值得注意的是，该图12是示例性的；还可以使用其他类型的结构，来补充或代替该结构，以实现电信功能或其他功能。
一实施例中，用户投资数据处理方法功能可以被集成到中央处理器9100中。其中，中央处理器9100可以被配置为进行如下控制：
步骤S101：根据用户的理财产品历史交易数据和理财产品历史评价数据，确定所述用户之间的投资兴趣相似度。
步骤S102：确定与当前用户的所述投资兴趣相似度大于设定相似度阈值的另一用户。
步骤S103：根据所述另一用户的理财产品与投资兴趣的对应关系，向所述当前用户推荐所述投资兴趣大于设定兴趣阈值时对应的所述理财产品，其中，所述理财产品与投资兴趣的对应关系是根据所述理财产品历史交易数据确定。
从上述描述可知，本申请实施例提供的电子设备，通过获取多个用户的理财产品历史交易数据和理财产品历史评价数据，以此确定各用户之间的投资兴趣相似度，若当前用户与另一用户的投资兴趣相似度大于设定相似度阈值，则两者具有高度接近的投资偏好，此时通过获取另一用户的理财产品与投资兴趣的对应关系，即从中获取另一用户的具有较大投资兴趣的理财产品，并将其推荐给当前用户，以此对当前用户的投资兴趣进行了准确预测，并实现理财产品的精准营销推荐。
在另一个实施方式中，用户投资数据处理装置可以与中央处理器9100分开配置，例如可以将用户投资数据处理装置配置为与中央处理器9100连接的芯片，通过中央处理器的控制来实现用户投资数据处理方法功能。
如图12所示，该电子设备9600还可以包括：通信模块9110、输入单元9120、音频处理器9130、显示器9160、电源9170。值得注意的是，电子设备9600也并不是必须要包括图12中所示的所有部件；此外，电子设备9600还可以包括图12中没有示出的部件，可以参考现有技术。
如图12所示，中央处理器9100有时也称为控制器或操作控件，可以包括微处理器或其他处理器装置和/或逻辑装置，该中央处理器9100接收输入并控制电子设备9600的各个部件的操作。
其中，存储器9140，例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。可储存上述与失败有关的信息，此外还可存储执行有关信息的程序。并且中央处理器9100可执行该存储器9140存储的该程序，以实现信息存储或处理等。
输入单元9120向中央处理器9100提供输入。该输入单元9120例如为按键或触摸输入装置。电源9170用于向电子设备9600提供电力。显示器9160用于进行图像和文字等显示对象的显示。该显示器例如可为LCD显示器，但并不限于此。
该存储器9140可以是固态存储器，例如，只读存储器(ROM)、随机存取存储器(RAM)、SIM卡等。还可以是这样的存储器，其即使在断电时也保存信息，可被选择性地擦除且设有更多数据，该存储器的示例有时被称为EPROM等。存储器9140还可以是某种其它类型的装置。存储器9140包括缓冲存储器9141(有时被称为缓冲器)。存储器9140可以包括应用/功能存储部9142，该应用/功能存储部9142用于存储应用程序和功能程序或用于通过中央处理器9100执行电子设备9600的操作的流程。
存储器9140还可以包括数据存储部9143，该数据存储部9143用于存储数据，例如联系人、数字数据、图片、声音和/或任何其他由电子设备使用的数据。存储器9140的驱动程序存储部9144可以包括电子设备的用于通信功能和/或用于执行电子设备的其他功能(如消息传送应用、通讯录应用等)的各种驱动程序。
通信模块9110即为经由天线9111发送和接收信号的发送机/接收机9110。通信模块(发送机/接收机)9110耦合到中央处理器9100，以提供输入信号和接收输出信号，这可以和常规移动通信终端的情况相同。
基于不同的通信技术，在同一电子设备中，可以设置有多个通信模块9110，如蜂窝网络模块、蓝牙模块和/或无线局域网模块等。通信模块(发送机/接收机)9110还经由音频处理器9130耦合到扬声器9131和麦克风9132，以经由扬声器9131提供音频输出，并接收来自麦克风9132的音频输入，从而实现通常的电信功能。音频处理器9130可以包括任何合适的缓冲器、解码器、放大器等。另外，音频处理器9130还耦合到中央处理器9100，从而使得可以通过麦克风9132能够在本机上录音，且使得可以通过扬声器9131来播放本机上存储的声音。
本申请的实施例还提供能够实现上述实施例中的执行主体为服务器或客户端的用户投资数据处理方法中全部步骤的一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例中的执行主体为服务器或客户端的用户投资数据处理方法的全部步骤，例如，所述处理器执行所述计算机程序时实现下述步骤：
步骤S101：根据用户的理财产品历史交易数据和理财产品历史评价数据，确定所述用户之间的投资兴趣相似度。
步骤S102：确定与当前用户的所述投资兴趣相似度大于设定相似度阈值的另一用户。
步骤S103：根据所述另一用户的理财产品与投资兴趣的对应关系，向所述当前用户推荐所述投资兴趣大于设定兴趣阈值时对应的所述理财产品，其中，所述理财产品与投资兴趣的对应关系是根据所述理财产品历史交易数据确定。
从上述描述可知，本申请实施例提供的计算机可读存储介质，通过获取多个用户的理财产品历史交易数据和理财产品历史评价数据，以此确定各用户之间的投资兴趣相似度，若当前用户与另一用户的投资兴趣相似度大于设定相似度阈值，则两者具有高度接近的投资偏好，此时通过获取另一用户的理财产品与投资兴趣的对应关系，即从中获取另一用户的具有较大投资兴趣的理财产品，并将其推荐给当前用户，以此对当前用户的投资兴趣进行了准确预测，并实现理财产品的精准营销推荐。
本领域内的技术人员应明白，本发明的实施例可提供为方法、装置、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(装置)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (12)
1.一种用户投资数据处理方法，其特征在于，所述方法包括：
根据用户的理财产品历史交易数据和理财产品历史评价数据，确定所述用户之间的投资兴趣相似度；
确定与当前用户的所述投资兴趣相似度大于设定相似度阈值的另一用户；
根据所述另一用户的理财产品与投资兴趣的对应关系，向所述当前用户推荐所述投资兴趣大于设定兴趣阈值时对应的所述理财产品，其中，所述理财产品与投资兴趣的对应关系是根据所述理财产品历史交易数据确定。
2.根据权利要求1所述的用户投资数据处理方法，其特征在于，所述根据用户的理财产品历史交易数据和理财产品历史评价数据，确定所述用户之间的投资兴趣相似度，包括：
根据当前用户与另一用户的理财产品历史交易数据中均购买过的理财产品在所有购买过的理财产品中的占比，确定第一投资兴趣相似度；
根据所述当前用户与所述另一用户的理财产品历史评价数据中评分均高于设定评分阈值的理财产品在评分均高于设定评分阈值和评分均低于设定评分阈值的理财产品中的占比，确定第二投资兴趣相似度；
根据所述第一投资兴趣相似度与所述第二投资兴趣相似度，确定所述当前用户与所述另一用户之间的投资兴趣相似度。
3.根据权利要求1所述的用户投资数据处理方法，其特征在于，根据所述理财产品历史交易数据确定理财产品与投资兴趣的对应关系，包括：
根据所述理财产品历史交易数据中各理财产品的交易金额在总交易金额中的数值占比，确定所述各理财产品与投资兴趣的对应关系。
4.根据权利要求3所述的用户投资数据处理方法，其特征在于，在所述确定所述各理财产品与投资兴趣的对应关系之后，包括：
根据理财产品当前交易数据或所述理财产品历史交易数据中的购买频率更新所述各理财产品与投资兴趣的对应关系。
5.根据权利要求3所述的用户投资数据处理方法，其特征在于，在所述向所述当前用户推荐所述投资兴趣大于设定兴趣阈值时对应的所述理财产品之后，还包括：
根据所述理财产品历史评价数据，确定各理财产品的产品综合评分；
根据所述当前用户的所述投资兴趣大于设定兴趣阈值时对应的所述理财产品的产品类型，向所述当前用户推荐该产品类型下所述产品综合评分高于设定评分的理财产品。
6.一种用户投资数据处理装置，其特征在于，包括：
投资兴趣相似度确定模块，用于根据用户的理财产品历史交易数据和理财产品历史评价数据，确定所述用户之间的投资兴趣相似度；
投资兴趣相似用户确定模块，用于确定与当前用户的所述投资兴趣相似度大于设定相似度阈值的另一用户；
相似理财产品推荐模块，用于根据所述另一用户的理财产品与投资兴趣的对应关系，向所述当前用户推荐所述投资兴趣大于设定兴趣阈值时对应的所述理财产品，其中，所述理财产品与投资兴趣的对应关系是根据所述理财产品历史交易数据确定。
7.根据权利要求6所述的用户投资数据处理装置，其特征在于，所述投资兴趣相似度确定模块包括：
第一投资兴趣相似度确定单元，用于根据当前用户与另一用户的理财产品历史交易数据中均购买过的理财产品在所有购买过的理财产品中的占比，确定第一投资兴趣相似度；
第二投资兴趣相似度确定单元，用于根据所述当前用户与所述另一用户的理财产品历史评价数据中评分均高于设定评分阈值的理财产品在评分均高于设定评分阈值和评分均低于设定评分阈值的理财产品中的占比，确定第二投资兴趣相似度；
用户投资兴趣相似度确定单元，用于根据所述第一投资兴趣相似度与所述第二投资兴趣相似度，确定所述当前用户与所述另一用户之间的投资兴趣相似度。
8.根据权利要求6所述的用户投资数据处理装置，其特征在于，所述相似理财产品推荐模块包括：
理财产品与投资兴趣对应关系确定单元，用于根据所述理财产品历史交易数据中各理财产品的交易金额在总交易金额中的数值占比，确定所述各理财产品与投资兴趣的对应关系。
9.根据权利要求8所述的用户投资数据处理装置，其特征在于，还包括：
理财产品与投资兴趣对应关系更新单元，用于根据理财产品当前交易数据或所述理财产品历史交易数据中的购买频率更新所述各理财产品与投资兴趣的对应关系。
10.根据权利要求8所述的用户投资数据处理装置，其特征在于，还包括：
产品综合评分确定单元，用于根据所述理财产品历史评价数据，确定各理财产品的产品综合评分；
高评分产品推荐单元，用于根据所述当前用户的所述投资兴趣大于设定兴趣阈值时对应的所述理财产品的产品类型，向所述当前用户推荐该产品类型下所述产品综合评分高于设定评分的理财产品。
11.一种电子设备，包括存储器、处理器及存储在存储器上并可在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程序时实现权利要求1至5任一项所述的用户投资数据处理方法的步骤。
12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至5任一项所述的用户投资数据处理方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010406972.6A CN111612632A (zh) | 2020-05-14 | 2020-05-14 | 用户投资数据处理方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010406972.6A CN111612632A (zh) | 2020-05-14 | 2020-05-14 | 用户投资数据处理方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111612632A true CN111612632A (zh) | 2020-09-01 |
Family
ID=72200154
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010406972.6A Pending CN111612632A (zh) | 2020-05-14 | 2020-05-14 | 用户投资数据处理方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111612632A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112199733A (zh) * | 2020-09-24 | 2021-01-08 | 王海宏 | 基于区块链和云计算的信息处理方法及数字金融服务中心 |
| CN112785443A (zh) * | 2021-01-25 | 2021-05-11 | 中国工商银行股份有限公司 | 基于客户群体的理财产品推送方法及装置 |
| CN113553504A (zh) * | 2021-07-23 | 2021-10-26 | 中信银行股份有限公司 | 一种资产配置方法、系统、及电子设备 |
| CN114862506A (zh) * | 2022-04-24 | 2022-08-05 | 申万宏源证券有限公司 | 一种基于深度强化学习的金融产品推荐方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107194814A (zh) * | 2016-03-15 | 2017-09-22 | 阿里巴巴集团控股有限公司 | 推荐用户的方法和装置 |
| CN108133013A (zh) * | 2017-12-22 | 2018-06-08 | 平安养老保险股份有限公司 | 信息处理方法、装置、计算机设备和存储介质 |
| CN108337316A (zh) * | 2018-02-08 | 2018-07-27 | 平安科技（深圳）有限公司 | 信息推送方法、装置、计算机设备及存储介质 |
| CN109102852A (zh) * | 2018-08-22 | 2018-12-28 | 泰康保险集团股份有限公司 | 用户数据处理方法、装置、电子设备及计算机可读介质 |
| CN109214926A (zh) * | 2018-08-22 | 2019-01-15 | 泰康保险集团股份有限公司 | 基于区块链的理财产品推荐方法、装置、介质及电子设备 |
| CN109670962A (zh) * | 2018-09-26 | 2019-04-23 | 深圳壹账通智能科技有限公司 | 基于大数据的理财产品推送方法、装置、设备及存储介质 |
| CN109934721A (zh) * | 2019-01-18 | 2019-06-25 | 深圳壹账通智能科技有限公司 | 理财产品推荐方法、装置、设备及存储介质 |
| CN110795620A (zh) * | 2019-09-25 | 2020-02-14 | 平安科技（深圳）有限公司 | 基于同类用户的产品推荐方法、装置、设备及存储介质 |
| TW202011317A (zh) * | 2018-08-31 | 2020-03-16 | 彰化商業銀行股份有限公司 | 資料分析方法及金融系統 |
-
2020
- 2020-05-14 CN CN202010406972.6A patent/CN111612632A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107194814A (zh) * | 2016-03-15 | 2017-09-22 | 阿里巴巴集团控股有限公司 | 推荐用户的方法和装置 |
| CN108133013A (zh) * | 2017-12-22 | 2018-06-08 | 平安养老保险股份有限公司 | 信息处理方法、装置、计算机设备和存储介质 |
| CN108337316A (zh) * | 2018-02-08 | 2018-07-27 | 平安科技（深圳）有限公司 | 信息推送方法、装置、计算机设备及存储介质 |
| CN109102852A (zh) * | 2018-08-22 | 2018-12-28 | 泰康保险集团股份有限公司 | 用户数据处理方法、装置、电子设备及计算机可读介质 |
| CN109214926A (zh) * | 2018-08-22 | 2019-01-15 | 泰康保险集团股份有限公司 | 基于区块链的理财产品推荐方法、装置、介质及电子设备 |
| TW202011317A (zh) * | 2018-08-31 | 2020-03-16 | 彰化商業銀行股份有限公司 | 資料分析方法及金融系統 |
| CN109670962A (zh) * | 2018-09-26 | 2019-04-23 | 深圳壹账通智能科技有限公司 | 基于大数据的理财产品推送方法、装置、设备及存储介质 |
| CN109934721A (zh) * | 2019-01-18 | 2019-06-25 | 深圳壹账通智能科技有限公司 | 理财产品推荐方法、装置、设备及存储介质 |
| CN110795620A (zh) * | 2019-09-25 | 2020-02-14 | 平安科技（深圳）有限公司 | 基于同类用户的产品推荐方法、装置、设备及存储介质 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112199733A (zh) * | 2020-09-24 | 2021-01-08 | 王海宏 | 基于区块链和云计算的信息处理方法及数字金融服务中心 |
| CN112785443A (zh) * | 2021-01-25 | 2021-05-11 | 中国工商银行股份有限公司 | 基于客户群体的理财产品推送方法及装置 |
| CN113553504A (zh) * | 2021-07-23 | 2021-10-26 | 中信银行股份有限公司 | 一种资产配置方法、系统、及电子设备 |
| CN113553504B (zh) * | 2021-07-23 | 2024-10-18 | 中信银行股份有限公司 | 一种资产配置方法、系统、及电子设备 |
| CN114862506A (zh) * | 2022-04-24 | 2022-08-05 | 申万宏源证券有限公司 | 一种基于深度强化学习的金融产品推荐方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111612632A (zh) | 用户投资数据处理方法及装置 | |
| KR102297669B1 (ko) | 제조사 및 유통사 간 연결을 위한 매칭 서비스 제공 시스템 | |
| US20160335674A1 (en) | Item classification method and selection system for electronic solicitation | |
| US11694267B2 (en) | Automation and latency remediation for secure messaging systems | |
| CN108921610B (zh) | 基于区块链的广告运营系统 | |
| Aithal | Mobile business as an optimum model for ideal business | |
| WO2018040069A1 (zh) | 信息推荐系统及方法 | |
| CN108628866B (zh) | 数据融合的方法和装置 | |
| CN107657527A (zh) | 贷款产品匹配方法、装置及计算机可读存储介质 | |
| US20190370800A1 (en) | Method, System, and Computer Program Product for Aggregating Data from a Plurality of Sources | |
| CN112767144A (zh) | 一种银行金融营销推荐方法及装置 | |
| CN102549614A (zh) | 用于维护用户简档的隐私的隐私库 | |
| Munikrishnan et al. | Modelling the intention and adoption of cashless payment methods among the young adults in Malaysia | |
| US20180285975A1 (en) | System and method for smart matching system by using online learning | |
| CN112215448A (zh) | 分配客服的方法和装置 | |
| CN112418929B (zh) | 一种数据共享方法及装置 | |
| WO2019143370A1 (en) | Method, system, and computer program product for real-time data aggregation | |
| JP6556969B1 (ja) | 営業支援装置及び営業先リスト作成装置 | |
| KR20210053529A (ko) | 블록체인 기반의 데이터 모델 생성 시스템 | |
| CN111401395A (zh) | 一种数据处理方法、终端设备及存储介质 | |
| CN114092226A (zh) | 银行网点外汇产品推荐方法及装置 | |
| CN113393320A (zh) | 企业金融服务风险预测方法及装置 | |
| US20240185255A1 (en) | Method, system, and non-transitory computer-readable recording medium for recommending payment means | |
| KR102676036B1 (ko) | ＩｏＴ 기반 ＱＲ 코드를 이용한 결제 서비스 제공 시스템 | |
| Damodaran et al. | AVETrends in Intelligent Social Letters |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200901 |