CN112434216A - 一种投资项目的智能推介方法、装置、存储介质和计算机设备 - Google Patents
一种投资项目的智能推介方法、装置、存储介质和计算机设备 Download PDFInfo
- Publication number
- CN112434216A CN112434216A CN202011265067.XA CN202011265067A CN112434216A CN 112434216 A CN112434216 A CN 112434216A CN 202011265067 A CN202011265067 A CN 202011265067A CN 112434216 A CN112434216 A CN 112434216A
- Authority
- CN
- China
- Prior art keywords
- investment
- heat
- project
- information
- index
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000004044 response Effects 0.000 claims abstract description 12
- 230000006399 behavior Effects 0.000 claims description 67
- 238000004364 calculation method Methods 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 22
- 230000011218 segmentation Effects 0.000 claims description 19
- 238000007619 statistical method Methods 0.000 claims description 17
- 230000009471 action Effects 0.000 claims description 11
- 230000004048 modification Effects 0.000 claims description 11
- 238000012986 modification Methods 0.000 claims description 11
- 230000003542 behavioural effect Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 9
- 238000001816 cooling Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- 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
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Probability & Statistics with Applications (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开了一种投资项目的智能推介方法、装置、存储介质和计算机设备，所述智能推介方法根据投资人的投资需求、投资项目的融资需求、投资项目的热度、投资项目的历史融资信息、投资人的历史投资信息以及投资项目的舆情信息等计算投资项目的推介指数，并根据推介指数进行投资项目的推介，不仅可以减少投资人寻找投资项目所需要的时间和精力，而且可以及时地将更为合适的投资项目快速推介给投资人；而且，所述智能推介还根据投资人对投资项目的响应结果对投资指数进行了修正，明显提高了推介的准确性。
Description
技术领域
本发明涉及投资项目推介技术领域，尤其涉及一种投资项目的智能推介方法、装置、存储介质和计算机设备。
背景技术
随着互联网和大数据的兴起，出现了很多的投、融资平台，现有的投、融资平台往往只是对投投资项目按行业进行简单的分类，或者仅仅考虑预期收益把投资项目进行分类排列，投资人往往需要在大量的投资项目上浪费大量的时间才能找到合适的项目。
发明内容
本发明所解决的技术问题是提供一种投资项目的智能推介方法、装置、存储介质和计算机设备，其可以提高投资项目推介的准确性和效率。
本发明所采用的技术方案内容具体如下：
一种投资项目的智能推介方法，包括如下步骤：
获取投资人的投资需求信息，且所述投资需求信息包括投资倾向、期望回报率和可承受风险等级；
获取投资项目的基本信息，且所述基本信息包括投资项目的所属行业、预期收益率和风险评级等级；
根据所述投资需求信息和所述融资需求信息计算所述投资项目的匹配度；
根据投资项目的历史融资信息、投资人的历史投资行为、投资项目的舆情信息、投资项目的热度和投资项目的匹配度计算投资项目的推介指数；
将推介指数大于预设阈值的投资项目推介给投资人；
根据投资人对投资项目的响应结果对投资项目的推介指数进行修正以形成投资指数修正值，并将投资指数修正值大于预设阈值的投资项目推介给投资人。
作为上述方案的优选，根据所述投资需求信息和所述融资需求信息计算所述投资项目的匹配度包括如下步骤：
根据投资倾向和所属行业计算行业匹配度BM，且当投资倾向与所属行业相同时，BM＝1，当投资倾向所属行业不相同时，BM＝0；
根据期望回报率和预期收益率计算收益匹配度EM，且
根据可承受风险等级和风险评级等级计算风险匹配度RM，且当可承受风险等级和风险评级等级相同时，RM＝1，当可承受风险等级和风险评级等级不相同时，RM＝0；
根据行业匹配度、收益匹配度和风险匹配度计算投资人和投资项目的匹配指数M，且M＝BM+EM+RM。
作为上述方案的优选，根据投资项目的历史融资信息、投资人的历史投资行为、投资项目的舆情信息、投资项目的热度和投资项目的匹配度计算投资项目的推介指数包括如下步骤：
获取投资项目的历史融资信息，根据历史融资信息得到该投资项目的历史融资指数r1，且
获取投资项目的舆情信息，根据所述舆情信息得到该投资项目的舆情指数r2，且
获取投资人的历史投资行为，根据所述历史投资行为计算投资人的历史投资指数r3，且
其中N为该投资人过去5年的投资项目总数，n为过去5年投资与该投资项目的所属行业相同的投资项目的项目总数；
获取投资项目的热度指数r4；
根据历史融资指数r1、舆情指数r2、历史投资指数r3和热度指数r4计算所述投资项目的推介因子γ，且γ＝ω1*r1+ω2*r2+ω3*r3+ω4*r4，其中：ω1、ω2、ω3、ω4分别为历史融资指数r1、舆情指数r2、历史投资指数r3和热度指数r4的权重系数，且ω1+ω2+ω3+ω4＝1；
根据推介因子γ和匹配指数M计算所述投资项目的推介指数β，且β＝γ*M。
作为上述方案的优选，获取投资项目的热度指数r4包括如下步骤：
获取投资人在搜索引擎查找投资项目时输入的检索信息，并利用检索信息计算投资人对投资项目的检索热度；
获取投资人对投资项目的操作行为信息，并利用操作行为信息计算投资人对投资项目的行为热度；
利用检索热度和行为热度计算投资项目的热度值。
作为上述方案的优选，利用检索信息计算投资人对投资项目的检索热度包括：
将检索信息整体作为统计项目统计投资人对检索信息整体的整体热度；
利用分词技术对检索信息进行分词处理以获取检索关键词，并将检索关键词作为统计项目统计投资人检索关键词的词汇热度；
将各检索关键词的集合作为统计项目统计投资人同时关注多个检索关键词的集合热度；
将所述整体热度、所述词汇热度和所述集合热度相加，得到投资人对投资项目的检索热度；
所述整体热度、所述词汇热度和所述集合热度的统计方法相同，且该统计方法为：
设定统计起始时间，将统计起始时间与所述整体热度或所述词汇热度或所述集合热度的计算时间之间的时长划分为若干个时间段；
按照距离当前时间越远对热度值贡献程度越低的方式对所述整体热度或所述词汇热度或所述集合热度进行加权处理，即：
其中：λi为第i个时间段对应的权重值，且越靠近热度值计算的时间段，其对应的权重值越大；r41i为在第i个时间段内所述整体热度或所述词汇热度或所述集合热度的统计项目被采集到的次数。
作为上述方案的优选，利用操作行为信息计算投资人对投资项目的行为热度包括：
将投资人对投资项目的点击次数作为统计项目统计点击热度；
将投资人对投资项目的浏览时长作为统计项目统计浏览时长热度；
将投资人对投资项目的浏览次数作为统计项目统计浏览次数热度；
将点击热度、浏览时长热度和浏览次数热度相加，得到行为热度；
所述点击热度、所述浏览次数热度和所述浏览时长热度的统计方法相同，且该统计方法为：
设定统计起始时间，将统计起始时间与所述点击热度或所述浏览时长热度或浏览次数热度的计算时间之间的时长划分为若干个时间段；
按照距离当前时间越远对热度值贡献程度越低的方式对所述点击热度或所述浏览时长热度或所述浏览次数热度进行加权处理，即：
其中：βi为第i个时间段对应的权重值，且越靠近热度值计算的时间段，其对应的权重值越大；r42i为在第i个时间段内所述点击热度或所述浏览时长热度或所述浏览次数热度的统计项目被采集到的次数。
作为上述方案的优选，利用检索热度和行为热度计算投资项目的热度值为：r4＝α1·r41+α2·r42，其中：α1为检索热度的权重值，α2为行为热度的权重值，且α1+α2＝1。
本发明还公开了一种投资项目的智能推介装置，包括第一获取模块、第二获取模块、第一计算模块、第二计算模块、推介模块和更新模块，其中：第一获取模块获取投资人的投资需求信息，且所述投资需求信息包括投资倾向、期望回报率和可承受风险等级；所述第二获取模块获取投资项目的基本信息，且所述基本信息包括投资项目的所属行业、预期收益率和风险评级等级；所述第一计算模块根据所述投资需求信息和所述融资需求信息计算所述投资项目的匹配度；所述第二计算模块根据投资项目的历史融资信息、投资人的历史投资行为、投资项目的舆情信息、投资项目的热度和投资项目的匹配度计算投资项目的推介指数；所述推介模块将推介指数大于预设阈值的投资项目推介给投资人；所述更新模块根据投资人对投资项目的响应结果对投资项目的推介指数进行修正以形成投资指数修正值，并将投资指数修正值大于预设阈值的投资项目推介给投资人。
本发明还公开了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述的智能推介方法的步骤。
本发明还公开了一种计算机设备，包括存储器以及与所述存储器相连接的处理器，所述存储器存储计算机程序，所述计算机程序被所述处理器执行时实现所述的智能推介方法的步骤。
与现有技术相比，本发明的有益效果在于：
本发明提供的投资项目的智能推介方法，其根据投资人的投资需求、投资项目的融资需求、投资项目的热度、投资项目的历史融资信息、投资人的历史投资信息以及投资项目的舆情信息等计算投资项目的推介指数，并根据推介指数进行投资项目的推介，不仅可以减少投资人寻找投资项目所需要的时间和精力，而且可以及时地将更为合适的投资项目快速推介给投资人；而且，所述智能推介还根据投资人对投资项目的响应结果对投资指数进行了修正，明显提高了推介的准确性。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图，详细说明如下。
附图说明
图1为较优选实施例的投资项目的智能推介方法的应用环境图；
图2为较优选实施例的投资项目的智能推介方法的流程示意图；
图3为较优选实施例的投资项目的智能推介装置的结构框图；
图4为图3中第一计算模块的结构框图；
图5为图3中第二计算模块的结构框图；
图6位图5中第四获取单元的结构框图；
图7为较优选实施例的计算机设备的结构框图；
其中，各附图标记为：
1、终端；2、服务器；3、第一获取模块；4、第二获取模块；5、第一计算模块；6、第二计算模块；7、推介模块；8、第一计算单元；9、第二计算单元；10、第三计算单元；11、第四计算单元；12、第一获取单元；13、第二获取单元；14、第三获取单元；15、第四获取单元；16、第五计算单元；17、第六计算单元；18、检索信息获取单元；19、操作行为获取单元；20、热度计算单元；21、更新模块。
具体实施方式
为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明的具体实施方式、结构、特征及其功效，详细说明如下：
实施例一
如图1所示是本发明的投资项目的智能推介方法的应用环境图，所述投资项目的智能推介方法应用于投资项目的智能推介系统，该投资项目的智能推介系统包括终端1和服务器2，所述终端1和所述服务器2通过网络连接，所述终端1具体可以是台式终端或移动终端，移动终端具体可以手机、平板电脑、笔记本电脑、便携式可穿戴设备等中的至少一种，所述服务器2可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
如图2所示，在一个实施例中，本发明提供了一种投资项目的智能推介方法，以该方法应用于图1中的服务器2为例进行说明，包括：
获取投资人的投资需求信息，且所述投资需求信息包括投资倾向、期望回报率和可承受风险等级；
获取投资项目的基本信息，且所述基本信息包括投资项目的所属行业、预期收益率和风险评级等级；
根据所述投资需求信息和所述融资需求信息计算所述投资项目的匹配度；
根据投资项目的历史融资信息、投资人的历史投资行为、投资项目的舆情信息、投资项目的热度和投资项目的匹配度计算投资项目的推介指数；
将推介指数大于预设阈值的投资项目推介给投资人；
根据投资人对投资项目的响应结果对投资项目的推介指数进行修正以形成投资指数修正值，并将投资指数修正值大于预设阈值的投资项目推介给投资人。
具体地，所述服务器2上预设了阈值，当投资项目的推介指数超高预设阈值时，将该投资项目推介给投资人。
需要说明的是，投资人对投资项目的响应结果是指投资人对推介的投资项目进行投资的项目个数与推介的投资项目总数的比值。
作为上述方案的优选，根据所述投资需求信息和所述融资需求信息计算所述投资项目的匹配度包括如下步骤：
根据投资倾向和所属行业计算行业匹配度BM，且当投资倾向与所属行业相同时，BM＝1，当投资倾向所属行业不相同时，BM＝0，例如，当投资人的投资倾向为环保，所述投资项目的所属行业为环保时，则BM＝1；当投资人的投资倾向为环保，所述投资项目的所属行业为金融时，则BM＝0。
根据期望回报率和预期收益率计算收益匹配度EM，且
根据可承受风险等级和风险评级等级计算风险匹配度RM，且当可承受风险等级和风险评级等级相同时，RM＝1，当可承受风险等级和风险评级等级不相同时，RM＝0，例如，当可承受风险等级为低风险、且风险评级等级为低风险时，则RM＝1；当可承受风险等级为低风险、且风险评级等级为中风险或高风险时，则RM＝0。
根据行业匹配度、收益匹配度和风险匹配度计算投资人和投资项目的匹配指数M，且M＝BM+EM+RM。
作为上述方案的优选，根据投资项目的历史融资信息、投资人的历史投资行为、投资项目的舆情信息、投资项目的热度和投资项目的匹配度计算投资项目的推介指数包括如下步骤：
获取投资项目的历史融资信息，根据历史融资信息得到该投资项目的历史融资指数r1，且
具体地，当r1＝0时，说明所述投资项目未发生历史融资；当所述投资项目发生历史融资时，则r1根据历史总融资次数、每次融资的需求金额和实际金额以及现有金额等进行确定。
获取投资项目的舆情信息，根据所述舆情信息得到该投资项目的舆情指数r2，且
获取投资人的历史投资行为，根据所述历史投资行为计算投资人的历史投资指数r3，且
其中N为该投资人过去5年的投资项目总数，n为过去5年投资、且与该投资项目的所属行业相同的投资项目的项目总数；
获取投资项目的热度指数r4；
根据历史融资指数r1、舆情指数r2、历史投资指数r3和热度指数r4计算所述投资项目的推介因子γ，且γ＝ω1*r1+ω2*r2+ω3*r3+ω4*r4，其中：ω1、ω2、ω3、ω4分别为历史融资指数r1、舆情指数r2、历史投资指数r3和热度指数r4的权重系数，且ω1+ω2+ω3+ω4＝1；
根据推介因子γ和匹配指数M计算所述投资项目的推介指数β，且β＝γ*M。
具体在本实施例中，根据投资人对投资项目的响应结果对投资项目的推介指数进行修正以形成投资指数修正值为：
其中：
为投资指数修正值，γ为投资指数，n为投资人对推介的投资项目进行投资的项目个数，N为推介的投资项目总数。
作为上述方案的优选，获取投资项目的热度指数r4包括如下步骤：
获取投资人在搜索引擎查找投资项目时输入的检索信息，并利用检索信息计算投资人对投资项目的检索热度；
获取投资人对投资项目的操作行为信息，并利用操作行为信息计算投资人对投资项目的行为热度；
利用检索热度和行为热度计算投资项目的热度值。
作为上述方案的优选，利用检索信息计算投资人对投资项目的检索热度包括：
将检索信息整体作为统计项目统计投资人对检索信息整体的整体热度，所述整体热度主要用于体现投资人对完整检索信息的关注程度。
利用分词技术对检索信息进行分词处理以获取检索关键词，并将检索关键词作为统计项目统计投资人检索关键词的词汇热度，例如：将检索信息“热度项目有哪些”进行分词处理，可以得到“热度”、“项目”、“哪些”三个检索关键词，则将“热度”、“项目”、“哪些”三个检索关键词作为统计项目、并分别对每个检索关键词的采集次数进行累计统计，其可以反映出投资人对每个检索关键词的关注热度，使得投资人关注热度比较高的投资项目中涉及的关键词能够得到累计统计。
将各检索关键词的集合作为统计项目统计投资人同时关注多个检索关键词的集合热度，其可以反映出投资人对多个检索关键词同时关注时的热度。
将所述整体热度、所述词汇热度和所述集合热度相加，得到投资人对投资项目的检索热度，通过对投资人在搜索引擎查找投资项目时输入的检索信息进行上述三个维度的统计，增强了统计的完整性，使得投资人输入的检索信息中包含的检索关键词、以及检索关键词的集合都能够得到统计。
需要说明的是，分词技术属于计算机网络领域的常用技术，其中常用的分词法有字符串匹配分词法、词义分词法、统计分词法等，在现有的文献、网络资料中也有大量关于分词技术的介绍，在此就不再细述分词技术的具体处理过程。
另外，所述整体热度、所述词汇热度和所述集合热度的统计方法相同，所述整体热度、所述词汇热度和所述集合热度进行统计时引入了“时间降温”的概念，即距离当前时间越远则对热度值的贡献越低。因为现有的投资平台的投资项目很多，热点项目在热点期后随时间推移可能很快地被其他热点项目取代，因此距离当前时间更近的热点项目对于投资人来说更为重要，因此，基于这一因素的考虑，该统计方法为：
设定统计起始时间，将统计起始时间与所述整体热度或所述词汇热度或所述集合热度的计算时间之间的时长划分为若干个时间段；
按照距离当前时间越远对热度值贡献程度越低的方式对所述整体热度或所述词汇热度或所述集合热度进行加权处理，即：
其中：λi为第i个时间段对应的权重值，且越靠近热度值计算的时间段，其对应的权重值越大；r41i为在第i个时间段内所述整体热度或所述词汇热度或所述集合热度的统计项目被采集到的次数。
基于“时间降温”的考虑对所述整体热度、所述词汇热度和所述集合热度进行统计时，可以将热度更高的投资项目具有更高的热度值，有助于为投资人推荐更加实时、有用的投资项目。
另外，λi的取值可以采用不同的取值方法，例如：各个时间段对应的权重值按等差分布的方式取值，则第i个时间段对应的权重值为：
或者，各个时间段对应的权重值按比例分布的方式取值，第i个时间段对应的权重值为：
或者，λi的取值还可以根据投资项目的更新速率确定。
作为上述方案的优选，所述操作行为信息至少包括投资人对投资项目的点击信息和浏览信息，且所述点击信息为投资人对投资项目的点击次数，所述浏览信息为投资人点击投资项目后的浏览时长和浏览次数，这是由于针对投资人投资项目的检索结果，投资人对投资项目是否点击查看、点击浏览的次数以及点击浏览的时长可以较好地反映出投资人对投资项目的关注程度。
作为上述方案的优选，利用操作行为信息计算投资人对投资项目的行为热度包括：
将投资人对投资项目的点击次数作为统计项目统计点击热度；
将投资人对投资项目的浏览时长作为统计项目统计浏览时长热度；
将投资人对投资项目的浏览次数作为统计项目统计浏览次数热度；
将点击热度、浏览时长热度和浏览次数热度相加，得到行为热度；
具体地，所述点击热度、所述浏览次数热度和所述浏览时长热度的统计方法相同、且所述点击热度、所述浏览次数热度和所述浏览时长热度进行统计时引入了“时间降温”的概念，该统计方法为：
设定统计起始时间，将统计起始时间与所述点击热度或所述浏览时长热度或浏览次数热度的计算时间之间的时长划分为若干个时间段；
按照距离当前时间越远对热度值贡献程度越低的方式对所述点击热度或所述浏览时长热度或所述浏览次数热度进行加权处理，即：
其中：βi为第i个时间段对应的权重值，且越靠近热度值计算的时间段，其对应的权重值越大；r42i为在第i个时间段内所述点击热度或所述浏览时长热度或所述浏览次数热度的统计项目被采集到的次数。
作为上述方案的优选，利用检索热度和行为热度计算投资项目的热度值为：r4＝α1·r41+α2·r42，其中：α1为检索热度的权重值，α2为行为热度的权重值，且α1+α2＝1。
应该理解的是，虽然图2的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
实施例二
如图3所示，本实施例提供了投资项目的智能推介装置，包括第一获取模块3、第二获取模块4、第一计算模块5、第二计算模块6、推介模块7和更新模块21，其中：第一获取模块3获取投资人的投资需求信息，且所述投资需求信息包括投资倾向、期望回报率和可承受风险等级；所述第二获取模块4获取投资项目的基本信息，且所述基本信息包括投资项目的所属行业、预期收益率和风险评级等级；所述第一计算模块5根据所述投资需求信息和所述融资需求信息计算所述投资项目的匹配度；所述第二计算模块6根据投资项目的历史融资信息、投资人的历史投资行为、投资项目的舆情信息、投资项目的热度和投资项目的匹配度计算投资项目的推介指数；所述推介模块7将推介指数大于预设阈值的投资项目推介给投资人；所述更新模块21根据投资人对投资项目的响应结果对投资项目的推介指数进行修正以形成投资指数修正值，并将投资指数修正值大于预设阈值的投资项目推介给投资人。
作为上述方案的优选，如图4所示，所述第一计算模块5包括第一计算单元8、第二计算单元9、第三计算单元10和第四计算单元11，具体地：
所述第一计算单元8根据投资倾向和所属行业计算行业匹配度BM，且当投资倾向与所属行业相同时，BM＝1，当投资倾向所属行业不相同时，BM＝0；
所述第二计算单元9根据期望回报率和预期收益率计算收益匹配度EM，且：
且
所述第三计算单元10根据可承受风险等级和风险评级等级计算风险匹配度RM，且当可承受风险等级和风险评级等级相同时，RM＝1，当可承受风险等级和风险评级等级不相同时，RM＝0；
所述第四计算单元11根据行业匹配度、收益匹配度和风险匹配度计算投资人和投资项目的匹配指数M，且M＝BM+EM+RM。
作为上述方案的优选，如图5所示，所述第二计算模块6包括第一获取单元12、第二获取单元13、第三获取单元14、第四获取单元15、第五计算单元16和第六计算单元17，其中：
所述第一获取单元12获取投资项目的历史融资信息，并根据历史融资信息得到该投资项目的历史融资指数r1，且
所述第二获取单元13获取投资项目的舆情信息，并根据所述舆情信息得到该投资项目的舆情指数r2，且
所述第三获取单元14获取投资人的历史投资行为，并根据所述历史投资行为计算投资人的历史投资指数r3，且
其中N为该投资人过去5年的投资项目总数，n为过去5年投资、且与该投资项目的所属行业相同的投资项目的项目总数；
所述第四获取单元15获取投资项目的热度指数r4；
所述第五计算单元16根据历史融资指数r1、舆情指数r2、历史投资指数r3和热度指数r4计算所述投资项目的推介因子γ，且γ＝ω1*r1+ω2*r2+ω3*r3+ω4*r4，其中：ω1、ω2、ω3、ω4分别为历史融资指数r1、舆情指数r2、历史投资指数r3和热度指数r4的权重系数，且ω1+ω2+ω3+ω4＝1；
所述第六计算单元17根据推介因子γ和匹配指数M计算所述投资项目的推介指数β，且β＝γ*M。
作为上述方案的优选，如图6所示，所述第四获取单元15包括检索信息获取单元18、操作行为获取单元19和热度计算单元20，所述检索信息获取单元18获取投资人在搜索引擎查找项目时输入的检索信息，并利用检索信息计算投资人对投资项目的检索热度；所述操作行为获取单元19获取投资人对投资项目的操作行为信息，并利用操作行为信息计算行为热度；所述热度计算单元20利用检索热度和行为热度计算投资项目的热度值。
作为进一步优选的方案，所述检索信息获取单元18利用检索信息计算投资人对投资项目的检索热度的步骤时，具体包括如下步骤：将检索信息整体作为统计项目统计投资人对检索信息整体的整体热度；利用分词技术对检索信息进行分词处理以获取检索关键词，并将检索关键词作为统计项目统计投资人检索关键词的词汇热度；将各检索关键词的集合作为统计项目统计投资人同时关注多个检索关键词的集合热度；将所述整体热度、所述词汇热度和所述集合热度相加，得到投资人对投资项目的检索热度。
需要说明的是，在本实施例中，所述整体热度、所述词汇热度、所述集合热度和所述检索热度的统计方法与实施例一相同。
作为上述方案的优选，所述操作行为信息至少包括投资人对投资项目的点击信息和浏览信息，且所述点击信息为投资人对投资项目的点击次数，所述浏览信息为投资人点击投资项目后的浏览时长和浏览次数，这是由于针对投资人投资项目的检索结果，投资人对投资项目是否点击查看、点击浏览的次数以及点击浏览的时长可以较好地反映出投资人对投资项目的关注程度。
作为上述方案的优选，所述操作行为获取单元19利用操作行为信息计算投资人对投资项目的行为热度的步骤时，包括如下步骤：将投资人对投资项目的点击次数作为统计项目统计点击热度；将投资人对投资项目的浏览时长作为统计项目统计浏览时长热度；将投资人对投资项目的浏览次数作为统计项目统计浏览次数热度；将点击热度、浏览时长热度和浏览次数热度相加，得到行为热度。
需要说明的是，在本实施例中，所述点击热度、所述浏览次数热度和所述浏览时长热度和所述行为热度的统计方法与实施例一相同。
需要说明的是，所述寻找项目的装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
实施例三
本实施例提供了一种计算机设备，所述计算机设备可以为服务器，如图7所示，所述计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储操作行为数据、商品信息数据等等。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时实现所述智能推介方法的步骤。
本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在其他实施例中，提供了一种计算机设备，包括存储器以及与所述存储器相连接的处理器，所述存储器存储计算机程序，所述计算机程序被所述处理器执行时实现所述智能推介方法的步骤，具体包括如下步骤：获取投资人的投资需求信息，且所述投资需求信息包括投资倾向、期望回报率和可承受风险等级；获取投资项目的基本信息，且所述基本信息包括投资项目的所属行业、预期收益率和风险评级等级；根据所述投资需求信息和所述融资需求信息计算所述投资项目的匹配度；根据投资项目的历史融资信息、投资人的历史投资行为、投资项目的舆情信息、投资项目的热度和投资项目的匹配度计算投资项目的推介指数；将推介指数大于预设阈值的投资项目推介给投资人；根据投资人对投资项目的响应结果对投资项目的推介指数进行修正以形成投资指数修正值，并将投资指数修正值大于预设阈值的投资项目推介给投资人。
在其他一些实施例中，处理器执行计算机程序时实现根据所述投资需求信息和所述融资需求信息计算所述投资项目的匹配度的步骤时，具体包括如下步骤：
根据投资倾向和所属行业计算行业匹配度BM，且当投资倾向与所属行业相同时，BM＝1，当投资倾向所属行业不相同时，BM＝0；
根据期望回报率和预期收益率计算收益匹配度EM，且
根据可承受风险等级和风险评级等级计算风险匹配度RM，且当可承受风险等级和风险评级等级相同时，RM＝1，当可承受风险等级和风险评级等级不相同时，RM＝0；
根据行业匹配度、收益匹配度和风险匹配度计算投资人和投资项目的匹配指数M，且M＝BM+EM+RM。
在其他一些实施例中，处理器执行计算机程序时实现根据投资项目的历史融资信息、投资人的历史投资行为、投资项目的舆情信息、投资项目的热度和投资项目的匹配度计算投资项目的推介指数的步骤时，具体包括如下步骤：
获取投资项目的历史融资信息，根据历史融资信息得到该投资项目的历史融资指数r1，且
具体地，当r1＝0时，说明所述投资项目未发生历史融资；当所述投资项目发生历史融资时，则r1根据历史总融资次数、每次融资的需求金额和实际金额以及现有金额等进行确定。
获取投资项目的舆情信息，根据所述舆情信息得到该投资项目的舆情指数r2，且
获取投资人的历史投资行为，根据所述历史投资行为计算投资人的历史投资指数r3，且
其中N为该投资人过去5年的投资项目总数，n为过去5年投资、且与该投资项目的所属行业相同的投资项目的项目总数；
获取投资项目的热度指数r4；
根据历史融资指数r1、舆情指数r2、历史投资指数r3和热度指数r4计算所述投资项目的推介因子γ，且γ＝ω1*r1+ω2*r2+ω3*r3+ω4*r4，其中：ω1、ω2、ω3、ω4分别为历史融资指数r1、舆情指数r2、历史投资指数r3和热度指数r4的权重系数，且ω1+ω2+ω3+ω4＝1；
根据推介因子γ和匹配指数M计算所述投资项目的推介指数β，且β＝γ*M。
在其他一些实施例中，处理器执行计算机程序时实现获取投资项目的热度指数r4的步骤，具体包括如下步骤：获取投资人在搜索引擎查找投资项目时输入的检索信息，并利用检索信息计算投资人对投资项目的检索热度；获取投资人对投资项目的操作行为信息，并利用操作行为信息计算投资人对投资项目的行为热度；利用检索热度和行为热度计算投资项目的热度值。
需要说明的是，在本实施例中，所述整体热度、所述词汇热度、所述集合热度和所述检索热度的统计方法与实施例一相同。
作为上述方案的优选，所述操作行为信息至少包括投资人对投资项目的点击信息和浏览信息，且所述点击信息为投资人对投资项目的点击次数，所述浏览信息为投资人点击投资项目后的浏览时长和浏览次数，这是由于针对投资人投资项目的检索结果，投资人对投资项目是否点击查看、点击浏览的次数以及点击浏览的时长可以较好地反映出投资人对投资项目的关注程度。
在其他一些实施例中，处理器执行计算机程序时实现利用检索信息计算投资人对投资项目的检索热度的步骤时，具体包括如下步骤：将检索信息整体作为统计项目统计投资人对检索信息整体的整体热度；利用分词技术对检索信息进行分词处理以获取检索关键词，并将检索关键词作为统计项目统计投资人检索关键词的词汇热度；将各检索关键词的集合作为统计项目统计投资人同时关注多个检索关键词的集合热度；将所述整体热度、所述词汇热度和所述集合热度相加，得到投资人对投资项目的检索热度。
在其他一些实施例中，处理器执行计算机程序时实现利用操作行为信息计算投资人对投资项目的行为热度的步骤，具体包括如下步骤：将投资人对投资项目的点击次数作为统计项目统计点击热度；将投资人对投资项目的浏览时长作为统计项目统计浏览时长热度；将投资人对投资项目的浏览次数作为统计项目统计浏览次数热度；将点击热度、浏览时长热度和浏览次数热度相加，得到行为热度。
需要说明的是，在本实施例中，所述点击热度、所述浏览次数热度和所述浏览时长热度和所述行为热度的统计方法与实施例一相同。
实施例四
本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如下步骤：获取投资人的投资需求信息，且所述投资需求信息包括投资倾向、期望回报率和可承受风险等级；获取投资项目的基本信息，且所述基本信息包括投资项目的所属行业、预期收益率和风险评级等级；根据所述投资需求信息和所述融资需求信息计算所述投资项目的匹配度；根据投资项目的历史融资信息、投资人的历史投资行为、投资项目的舆情信息、投资项目的热度和投资项目的匹配度计算投资项目的推介指数；将推介指数大于预设阈值的投资项目推介给投资人；根据投资人对投资项目的响应结果对投资项目的推介指数进行修正以形成投资指数修正值，并将投资指数修正值大于预设阈值的投资项目推介给投资人。
在其他一些实施例中，计算机程序被处理器执行时实现根据所述投资需求信息和所述融资需求信息计算所述投资项目的匹配度的步骤，具体包括如下步骤：
根据投资倾向和所属行业计算行业匹配度BM，且当投资倾向与所属行业相同时，BM＝1，当投资倾向所属行业不相同时，BM＝0；
根据期望回报率和预期收益率计算收益匹配度EM，且
根据可承受风险等级和风险评级等级计算风险匹配度RM，且当可承受风险等级和风险评级等级相同时，RM＝1，当可承受风险等级和风险评级等级不相同时，RM＝0；
根据行业匹配度、收益匹配度和风险匹配度计算投资人和投资项目的匹配指数M，且M＝BM+EM+RM。
在其他一些实施例中，计算机程序被处理器执行时实现根据投资项目的历史融资信息、投资人的历史投资行为、投资项目的舆情信息、投资项目的热度和投资项目的匹配度计算投资项目的推介指数的步骤，具体包括如下步骤：
获取投资项目的历史融资信息，根据历史融资信息得到该投资项目的历史融资指数r1，且
具体地，当r1＝0时，说明所述投资项目未发生历史融资；当所述投资项目发生历史融资时，则r1根据历史总融资次数、每次融资的需求金额和实际金额以及现有金额等进行确定。
获取投资项目的舆情信息，根据所述舆情信息得到该投资项目的舆情指数r2，且
获取投资人的历史投资行为，根据所述历史投资行为计算投资人的历史投资指数r3，且
其中N为该投资人过去5年的投资项目总数，n为过去5年投资、且与该投资项目的所属行业相同的投资项目的项目总数；
获取投资项目的热度指数r4；
根据历史融资指数r1、舆情指数r2、历史投资指数r3和热度指数r4计算所述投资项目的推介因子γ，且γ＝ω1*r1+ω2*r2+ω3*r3+ω4*r4，其中：ω1、ω2、ω3、ω4分别为历史融资指数r1、舆情指数r2、历史投资指数r3和热度指数r4的权重系数，且ω1+ω2+ω3+ω4＝1；
根据推介因子γ和匹配指数M计算所述投资项目的推介指数β，且β＝γ*M。
在其他一些实施例中，计算机程序被处理器执行时实现获取投资项目的热度指数r4的步骤，具体包括如下步骤：获取投资人在搜索引擎查找投资项目时输入的检索信息，并利用检索信息计算投资人对投资项目的检索热度；获取投资人对投资项目的操作行为信息，并利用操作行为信息计算投资人对投资项目的行为热度；利用检索热度和行为热度计算投资项目的热度值。
需要说明的是，在本实施例中，所述整体热度、所述词汇热度、所述集合热度和所述检索热度的统计方法与实施例一相同。
作为上述方案的优选，所述操作行为信息至少包括投资人对投资项目的点击信息和浏览信息，且所述点击信息为投资人对投资项目的点击次数，所述浏览信息为投资人点击投资项目后的浏览时长和浏览次数，这是由于针对投资人投资项目的检索结果，投资人对投资项目是否点击查看、点击浏览的次数以及点击浏览的时长可以较好地反映出投资人对投资项目的关注程度。
在其他一些实施例中，计算机程序被处理器执行时实现利用检索信息计算投资人对投资项目的检索热度的步骤，具体包括如下步骤：将检索信息整体作为统计项目统计投资人对检索信息整体的整体热度；利用分词技术对检索信息进行分词处理以获取检索关键词，并将检索关键词作为统计项目统计投资人检索关键词的词汇热度；将各检索关键词的集合作为统计项目统计投资人同时关注多个检索关键词的集合热度；将所述整体热度、所述词汇热度和所述集合热度相加，得到投资人对投资项目的检索热度。
在其他一些实施例中，计算机程序被处理器执行时实现利用操作行为信息计算投资人对投资项目的行为热度的步骤，具体包括如下步骤：将投资人对投资项目的点击次数作为统计项目统计点击热度；将投资人对投资项目的浏览时长作为统计项目统计浏览时长热度；将投资人对投资项目的浏览次数作为统计项目统计浏览次数热度；将点击热度、浏览时长热度和浏览次数热度相加，得到行为热度。
需要说明的是，在本实施例中，所述点击热度、所述浏览次数热度和所述浏览时长热度和所述行为热度的统计方法与实施例一相同。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性存储器和/或易失性存储器，其中：(1)非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存；(2)易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
上述实施方式仅为本发明的优选实施方式，不能以此来限定本发明保护的范围，本领域的技术人员在本发明的基础上所做的任何非实质性的变化及替换均属于本发明所要求保护的范围。
Claims (10)
1.一种投资项目的智能推介方法，其特征在于，包括如下步骤：
获取投资人的投资需求信息，且所述投资需求信息包括投资倾向、期望回报率和可承受风险等级；
获取投资项目的基本信息，且所述基本信息包括投资项目的所属行业、预期收益率和风险评级等级；
根据所述投资需求信息和所述融资需求信息计算所述投资项目的匹配度；
根据投资项目的历史融资信息、投资人的历史投资行为、投资项目的舆情信息、投资项目的热度和投资项目的匹配度计算投资项目的推介指数；
将推介指数大于预设阈值的投资项目推介给投资人；
根据投资人对投资项目的响应结果对投资项目的推介指数进行修正以形成投资指数修正值，并将投资指数修正值大于预设阈值的投资项目推介给投资人。
2.根据权利要求1所述的智能推介方法，其特征在于，根据所述投资需求信息和所述融资需求信息计算所述投资项目的匹配度包括如下步骤：
根据投资倾向和所属行业计算行业匹配度BM，且当投资倾向与所属行业相同时，BM＝1，当投资倾向所属行业不相同时，BM＝0；
根据期望回报率和预期收益率计算收益匹配度EM，且
根据可承受风险等级和风险评级等级计算风险匹配度RM，且当可承受风险等级和风险评级等级相同时，RM＝1，当可承受风险等级和风险评级等级不相同时，RM＝0；
根据行业匹配度、收益匹配度和风险匹配度计算投资人和投资项目的匹配指数M，且M＝BM+EM+RM。
3.根据权利要求2所述的智能推介方法，其特征在于，根据投资项目的历史融资信息、投资人的历史投资行为、投资项目的舆情信息、投资项目的热度和投资项目的匹配度计算投资项目的推介指数包括如下步骤：
获取投资项目的历史融资信息，根据历史融资信息得到该投资项目的历史融资指数r1，且
获取投资项目的舆情信息，根据所述舆情信息得到该投资项目的舆情指数r2，且
获取投资人的历史投资行为，根据所述历史投资行为计算投资人的历史投资指数r3，且
其中N为该投资人过去5年的投资项目总数，n为过去5年投资与该投资项目的所属行业相同的投资项目的项目总数；
获取投资项目的热度指数r4；
根据历史融资指数r1、舆情指数r2、历史投资指数r3和热度指数r4计算所述投资项目的推介因子γ，且γ＝ω1*r1+ω2*r2+ω3*r3+ω4*r4，其中：ω1、ω2、ω3、ω4分别为历史融资指数r1、舆情指数r2、历史投资指数r3和热度指数r4的权重系数，且ω1+ω2+ω3+ω4＝1；
根据推介因子γ和匹配指数M计算所述投资项目的推介指数β，且β＝γ*M。
4.根据权利要求3所述的智能推介方法，其特征在于，获取投资项目的热度指数r4包括如下步骤：
获取投资人在搜索引擎查找投资项目时输入的检索信息，并利用检索信息计算投资人对投资项目的检索热度；
获取投资人对投资项目的操作行为信息，并利用操作行为信息计算投资人对投资项目的行为热度；
利用检索热度和行为热度计算投资项目的热度值。
5.根据权利要求4所述的智能推介方法，其特征在于，利用检索信息计算投资人对投资项目的检索热度包括：
将检索信息整体作为统计项目统计投资人对检索信息整体的整体热度；
利用分词技术对检索信息进行分词处理以获取检索关键词，并将检索关键词作为统计项目统计投资人检索关键词的词汇热度；
将各检索关键词的集合作为统计项目统计投资人同时关注多个检索关键词的集合热度；
将所述整体热度、所述词汇热度和所述集合热度相加，得到投资人对投资项目的检索热度；
所述整体热度、所述词汇热度和所述集合热度的统计方法相同，且该统计方法为：
设定统计起始时间，将统计起始时间与所述整体热度或所述词汇热度或所述集合热度的计算时间之间的时长划分为若干个时间段；
按照距离当前时间越远对热度值贡献程度越低的方式对所述整体热度或所述词汇热度或所述集合热度进行加权处理，即：
其中：λi为第i个时间段对应的权重值，且越靠近热度值计算的时间段，其对应的权重值越大；r41i为在第i个时间段内所述整体热度或所述词汇热度或所述集合热度的统计项目被采集到的次数。
6.根据权利要求5所述的智能推介方法，其特征在于，利用操作行为信息计算投资人对投资项目的行为热度包括：
将投资人对投资项目的点击次数作为统计项目统计点击热度；
将投资人对投资项目的浏览时长作为统计项目统计浏览时长热度；
将投资人对投资项目的浏览次数作为统计项目统计浏览次数热度；
将点击热度、浏览时长热度和浏览次数热度相加，得到行为热度；
所述点击热度、所述浏览次数热度和所述浏览时长热度的统计方法相同，且该统计方法为：
设定统计起始时间，将统计起始时间与所述点击热度或所述浏览时长热度或浏览次数热度的计算时间之间的时长划分为若干个时间段；
按照距离当前时间越远对热度值贡献程度越低的方式对所述点击热度或所述浏览时长热度或所述浏览次数热度进行加权处理，即：
其中：βi为第i个时间段对应的权重值，且越靠近热度值计算的时间段，其对应的权重值越大；r42i为在第i个时间段内所述点击热度或所述浏览时长热度或所述浏览次数热度的统计项目被采集到的次数。
7.根据权利要求6所述的智能推介方法，其特征在于，利用检索热度和行为热度计算投资项目的热度值为：r4＝α1·r41+α2·r42，其中：α1为检索热度的权重值，α2为行为热度的权重值，且α1+α2＝1。
8.一种投资项目的智能推介装置，其特征在于，包括第一获取模块、第二获取模块、第一计算模块、第二计算模块、推介模块和更新模块，其中：第一获取模块获取投资人的投资需求信息，且所述投资需求信息包括投资倾向、期望回报率和可承受风险等级；所述第二获取模块获取投资项目的基本信息，且所述基本信息包括投资项目的所属行业、预期收益率和风险评级等级；所述第一计算模块根据所述投资需求信息和所述融资需求信息计算所述投资项目的匹配度；所述第二计算模块根据投资项目的历史融资信息、投资人的历史投资行为、投资项目的舆情信息、投资项目的热度和投资项目的匹配度计算投资项目的推介指数；所述推介模块将推介指数大于预设阈值的投资项目推介给投资人；所述更新模块根据投资人对投资项目的响应结果对投资项目的推介指数进行修正以形成投资指数修正值，并将投资指数修正值大于预设阈值的投资项目推介给投资人。
9.一种计算机可读存储介质，其特征在于：其上存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-7任何一项所述的智能推介方法的步骤。
10.一种计算机设备，其特征在于：包括存储器以及与所述存储器相连接的处理器，所述存储器存储计算机程序，所述计算机程序被所述处理器执行时实现权利要求1-7任何一项所述的智能推介方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011265067.XA CN112434216B (zh) | 2020-11-13 | 2020-11-13 | 一种投资项目的智能推介方法、装置、存储介质和计算机设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011265067.XA CN112434216B (zh) | 2020-11-13 | 2020-11-13 | 一种投资项目的智能推介方法、装置、存储介质和计算机设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112434216A true CN112434216A (zh) | 2021-03-02 |
| CN112434216B CN112434216B (zh) | 2024-04-26 |
Family
ID=74701054
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011265067.XA Active CN112434216B (zh) | 2020-11-13 | 2020-11-13 | 一种投资项目的智能推介方法、装置、存储介质和计算机设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112434216B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114722295A (zh) * | 2022-04-24 | 2022-07-08 | 北京猎人纪信息科技有限公司 | 一种基于互联网的技术推广系统及方法 |
| CN114742594A (zh) * | 2022-04-25 | 2022-07-12 | 北京中捷互联信息技术有限公司 | 一种金融推广投资数据处理测评装置及方法 |
| CN115147081A (zh) * | 2022-07-12 | 2022-10-04 | 武汉初旦软件技术有限公司 | 基于人工智能的政策匹配方法、系统及存储介质 |
| CN117688249A (zh) * | 2024-02-02 | 2024-03-12 | 上海银行股份有限公司 | 一种基于数据分析的投行智能匹配平台 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070130043A1 (en) * | 1999-07-23 | 2007-06-07 | O'shaughnessy James P | System for selecting and purchasing assets and maintaining an investment portfolio |
| US20130110697A1 (en) * | 2011-10-26 | 2013-05-02 | Diogenes Duzoglou | Financial market acceleration evaluation tool |
| CN105303445A (zh) * | 2015-11-04 | 2016-02-03 | 中国农业大学 | 农业投融资平台风险评估装置及系统 |
| CN105843909A (zh) * | 2016-03-24 | 2016-08-10 | 上海诺亚投资管理有限公司 | 金融信息的推送方法及装置 |
| CN107180298A (zh) * | 2017-04-26 | 2017-09-19 | 北京望远迅杰科技有限公司 | 一种投资项目的推荐方法 |
| CN107292743A (zh) * | 2017-06-07 | 2017-10-24 | 前海梧桐（深圳）数据有限公司 | 针对企业投融资的智能化决策方法及其系统 |
| CN107851283A (zh) * | 2015-01-23 | 2018-03-27 | 罗里·里格斯 | 投资证券的综合投资组合的分割和分层 |
| CN108921706A (zh) * | 2018-06-22 | 2018-11-30 | 中欧钱滚滚基金销售（上海）有限公司 | 基金投资理财的人工智能运算系统 |
| CN108985935A (zh) * | 2018-07-06 | 2018-12-11 | 兴业证券股份有限公司 | 金融产品推荐方法及存储介质 |
| CN109299889A (zh) * | 2018-12-14 | 2019-02-01 | 泰康保险集团股份有限公司 | 计算机数据处理方法、装置、介质及电子设备 |
| CN109447728A (zh) * | 2018-09-07 | 2019-03-08 | 平安科技（深圳）有限公司 | 金融产品推荐方法、装置、计算机设备及存储介质 |
| CN109598620A (zh) * | 2018-12-03 | 2019-04-09 | 南方电网能源发展研究院有限责任公司 | 投资项目的估值方法、装置、计算机设备和存储介质 |
| CN111737421A (zh) * | 2020-08-07 | 2020-10-02 | 杭州六棱镜知识产权科技有限公司 | 一种知识产权大数据情报检索系统及存储介质 |
-
2020
- 2020-11-13 CN CN202011265067.XA patent/CN112434216B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070130043A1 (en) * | 1999-07-23 | 2007-06-07 | O'shaughnessy James P | System for selecting and purchasing assets and maintaining an investment portfolio |
| US20130110697A1 (en) * | 2011-10-26 | 2013-05-02 | Diogenes Duzoglou | Financial market acceleration evaluation tool |
| CN107851283A (zh) * | 2015-01-23 | 2018-03-27 | 罗里·里格斯 | 投资证券的综合投资组合的分割和分层 |
| CN105303445A (zh) * | 2015-11-04 | 2016-02-03 | 中国农业大学 | 农业投融资平台风险评估装置及系统 |
| CN105843909A (zh) * | 2016-03-24 | 2016-08-10 | 上海诺亚投资管理有限公司 | 金融信息的推送方法及装置 |
| CN107180298A (zh) * | 2017-04-26 | 2017-09-19 | 北京望远迅杰科技有限公司 | 一种投资项目的推荐方法 |
| CN107292743A (zh) * | 2017-06-07 | 2017-10-24 | 前海梧桐（深圳）数据有限公司 | 针对企业投融资的智能化决策方法及其系统 |
| CN108921706A (zh) * | 2018-06-22 | 2018-11-30 | 中欧钱滚滚基金销售（上海）有限公司 | 基金投资理财的人工智能运算系统 |
| CN108985935A (zh) * | 2018-07-06 | 2018-12-11 | 兴业证券股份有限公司 | 金融产品推荐方法及存储介质 |
| CN109447728A (zh) * | 2018-09-07 | 2019-03-08 | 平安科技（深圳）有限公司 | 金融产品推荐方法、装置、计算机设备及存储介质 |
| CN109598620A (zh) * | 2018-12-03 | 2019-04-09 | 南方电网能源发展研究院有限责任公司 | 投资项目的估值方法、装置、计算机设备和存储介质 |
| CN109299889A (zh) * | 2018-12-14 | 2019-02-01 | 泰康保险集团股份有限公司 | 计算机数据处理方法、装置、介质及电子设备 |
| CN111737421A (zh) * | 2020-08-07 | 2020-10-02 | 杭州六棱镜知识产权科技有限公司 | 一种知识产权大数据情报检索系统及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 刘雯 等: "投资基金的市场规模与发展趋势分析", 《中国农机化》, no. 01, pages 13 - 16 * |
| 杨希 等: "风险投资对中小企业经营绩效的影响――基于区分风险投资机构事前效应与事后效应的视角", 《运筹与管理》, no. 06, pages 148 - 158 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114722295A (zh) * | 2022-04-24 | 2022-07-08 | 北京猎人纪信息科技有限公司 | 一种基于互联网的技术推广系统及方法 |
| CN114722295B (zh) * | 2022-04-24 | 2023-01-06 | 上海君豫生物科技有限责任公司 | 一种基于互联网的技术推广系统及方法 |
| CN114742594A (zh) * | 2022-04-25 | 2022-07-12 | 北京中捷互联信息技术有限公司 | 一种金融推广投资数据处理测评装置及方法 |
| CN115147081A (zh) * | 2022-07-12 | 2022-10-04 | 武汉初旦软件技术有限公司 | 基于人工智能的政策匹配方法、系统及存储介质 |
| CN115147081B (zh) * | 2022-07-12 | 2023-10-27 | 芜湖中艺科技服务有限公司 | 基于人工智能的政策匹配方法、系统及存储介质 |
| CN117688249A (zh) * | 2024-02-02 | 2024-03-12 | 上海银行股份有限公司 | 一种基于数据分析的投行智能匹配平台 |
| CN117688249B (zh) * | 2024-02-02 | 2024-04-19 | 上海银行股份有限公司 | 一种基于数据分析的投行智能匹配平台 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112434216B (zh) | 2024-04-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112434216B (zh) | 一种投资项目的智能推介方法、装置、存储介质和计算机设备 | |
| CN112732883A (zh) | 基于知识图谱的模糊匹配方法、装置和计算机设备 | |
| CN110458324B (zh) | 风险概率的计算方法、装置和计算机设备 | |
| CN113379301A (zh) | 通过决策树模型对用户进行分类的方法、装置和设备 | |
| CN112434158A (zh) | 一种企业标签的获取方法、获取装置、存储介质和计算机设备 | |
| CN110363580B (zh) | 信息推荐方法、装置、计算机设备及存储介质 | |
| CN112560444A (zh) | 文本处理方法、装置、计算机设备和存储介质 | |
| CN109063921A (zh) | 客户风险预警的优化处理方法、装置、计算机设备和介质 | |
| CN111651670A (zh) | 基于用户行为图谱的内容检索方法、装置终端和存储介质 | |
| CN107844548A (zh) | 一种数据标签方法和装置 | |
| CN112685639A (zh) | 活动推荐方法、装置、计算机设备和存储介质 | |
| CN107527289B (zh) | 一种投资组合行业配置方法、装置、服务器和存储介质 | |
| CN116362823A (zh) | 用于行为稀疏场景的推荐模型训练方法、推荐方法及装置 | |
| CN115408186A (zh) | 根因定位方法、装置、计算机设备和存储介质 | |
| CN114693409A (zh) | 产品匹配方法、装置、计算机设备、存储介质和程序产品 | |
| CN110389963A (zh) | 基于大数据的渠道效果识别方法、装置、设备和存储介质 | |
| CN117312657A (zh) | 金融应用的异常功能定位方法、装置、计算机设备和介质 | |
| CN110750717B (zh) | 一种排序权重更新方法 | |
| CN110262906B (zh) | 接口标签推荐方法、装置、存储介质和电子设备 | |
| CN116860311A (zh) | 脚本分析方法、装置、计算机设备及存储介质 | |
| CN114969486A (zh) | 语料推荐方法、装置、设备及存储介质 | |
| CN112445973B (zh) | 一种寻找项目的方法、装置、存储介质和计算机设备 | |
| CN114238044A (zh) | 开源项目活跃度的计算方法、装置和计算机设备 | |
| CN115034189A (zh) | 表格数据处理方法、装置、计算机设备和存储介质 | |
| CN108984615B (zh) | 一种数据查询方法和系统、存储介质 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20231012 Address after: 266000 floor 5, block B, building 1, No. 151, huizhiqiao Road, high tech Zone, Qingdao, Shandong Applicant after: Haichuanghui Technology Entrepreneurship Development Co.,Ltd. Address before: 100022 unit 02, 10 / F, building 108, building a 108, building B 108, building 110, building 112, building 116, building 118, building a 118, building B 118 Applicant before: Beijing Chuangye Guangrong Information Technology Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |