CN112801803B - 一种理财产品推荐方法和装置 - Google Patents

一种理财产品推荐方法和装置 Download PDF

Info

Publication number
CN112801803B
CN112801803B CN202110176879.5A CN202110176879A CN112801803B CN 112801803 B CN112801803 B CN 112801803B CN 202110176879 A CN202110176879 A CN 202110176879A CN 112801803 B CN112801803 B CN 112801803B
Authority
CN
China
Prior art keywords
product
determining
financial
recommended
products
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.)
Active
Application number
CN202110176879.5A
Other languages
English (en)
Other versions
CN112801803A (zh
Inventor
白瑞晗
李文利
杜青
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Industrial and Commercial Bank of China Ltd ICBC
Original Assignee
Industrial and Commercial Bank of China Ltd ICBC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Industrial and Commercial Bank of China Ltd ICBC filed Critical Industrial and Commercial Bank of China Ltd ICBC
Priority to CN202110176879.5A priority Critical patent/CN112801803B/zh
Publication of CN112801803A publication Critical patent/CN112801803A/zh
Application granted granted Critical
Publication of CN112801803B publication Critical patent/CN112801803B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Operations Research (AREA)
  • Technology Law (AREA)
  • Human Resources & Organizations (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明提供了一种理财产品推荐方法和装置，可用于金融领域或其他领域，该方法包括：获取客户对理财产品的操作历史数据、欲推荐理财产品集合和共有属性数目阈值；根据客户对理财产品的操作历史数据，确定客户历史购买产品集合；根据欲推荐理财产品集合和客户历史购买产品集合，确定第一邻居集合；建立产品属性矩阵，结合共有属性数目阈值，确定第二邻居集合；根据第一邻居集合和第二邻居集合，确定推荐邻居集合；根据推荐邻居集合，确定理财产品推荐清单。本发明精准定位客户属性及目标市场，从而进行个性化理财产品营销活动，提高服务效率和客户满意度，降低产品推广成本，提高产品推荐成功率，实现个性化服务。

Description

一种理财产品推荐方法和装置
技术领域
本发明涉及计算器数据处理技术领域，尤其涉及一种理财产品推荐方法和装置。
背景技术
本部分旨在为权利要求书中陈述的本发明的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
在当前以客户为中心的金融市场环境下，各种理财产品层出不穷，如何精准地为客户推荐合适的产品，更好地为客户提供个性化的服务，成为理财产品提供方着重关注的问题。
个人手机银行作为理财产品的重要销售方，成为客户了解、购买理财产品的重要窗口之一，如何更精准地为客户进行个性化理财产品的推荐，是亟待解决的问题。
因此，如何提供一种新的方案，其能够解决上述技术问题是本领域亟待解决的技术难题。
发明内容
本发明实施例提供一种理财产品推荐方法，精准定位客户属性及目标市场，从而进行个性化理财产品营销活动，提高服务效率和客户满意度，降低产品推广成本，提高产品推荐成功率，实现个性化服务，该方法包括：
获取客户对理财产品的操作历史数据、欲推荐理财产品集合和共有属性数目阈值；
根据客户对理财产品的操作历史数据，确定客户历史购买产品集合；
根据欲推荐理财产品集合和客户历史购买产品集合，确定第一邻居集合；
建立产品属性矩阵，结合共有属性数目阈值，确定第二邻居集合；
根据第一邻居集合和第二邻居集合，确定推荐邻居集合；
根据推荐邻居集合，确定理财产品推荐清单。
本发明实施例还提供一种理财产品推荐装置，包括：
数据获取模块，用于获取客户对理财产品的操作历史数据、欲推荐理财产品集合和共有属性数目阈值；
客户历史购买产品集合确定模块，用于根据客户对理财产品的操作历史数据，确定客户历史购买产品集合；
第一邻居集合确定模块，用于根据欲推荐理财产品集合和客户历史购买产品集合，确定第一邻居集合；
第二邻居集合确定模块，用于建立产品属性矩阵，结合共有属性数目阈值，确定第二邻居集合；
推荐邻居集合确定模块，用于根据第一邻居集合和第二邻居集合，确定推荐邻居集合；
理财产品推荐清单确定模块，用于根据推荐邻居集合，确定理财产品推荐清单。
本发明实施例还提供一种计算机设备，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计算机程序时实现上述一种理财产品推荐方法。
本发明实施例还提供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执行上述一种理财产品推荐方法的计算机程序。
本发明实施例提供的一种理财产品推荐方法和装置，包括：首先获取客户对理财产品的操作历史数据、欲推荐理财产品集合和共有属性数目阈值；然后根据客户对理财产品的操作历史数据，确定客户历史购买产品集合；接着根据欲推荐理财产品集合和客户历史购买产品集合，确定第一邻居集合；继续建立产品属性矩阵，结合共有属性数目阈值，确定第二邻居集合；下一步根据第一邻居集合和第二邻居集合，确定推荐邻居集合；最后根据推荐邻居集合，确定理财产品推荐清单。本发明实施例在传统协同过滤算法上进行改进，根据理财产品自身的属性特点，建立产品属性矩阵，对客户进行个性化理财产品推荐，精准定位客户属性及目标市场，从而进行个性化理财产品营销活动，提高了服务效率和客户满意度，降低理财产品推广成本，提高理财产品推荐成功率，实现个性化服务。
附图说明
为了更清楚地说明本发明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的前提下，还可以根据这些附图获得其他的附图。在附图中：
图1为本发明实施例一种理财产品推荐方法示意图。
图2为本发明实施例一种理财产品推荐方法的基于项目的协同过滤模型示意图。
图3为本发明实施例一种理财产品推荐方法的推荐流程图。
图4为本发明实施例一种理财产品推荐方法的手机银行理财产品推荐界面。
图5为运行本发明实施的一种理财产品推荐方法的计算机装置示意图。
图6为本发明实施例一种理财产品推荐装置示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。需要说明的是，本发明的一种理财产品推荐方法和装置，可用于金融领域，也可用于除金融领域之外的任意领域，本发明一种理财产品推荐方法和装置的应用领域不做限定。
图1为本发明实施例一种理财产品推荐方法示意图，如图1所示，本发明实施例提供一种理财产品推荐方法，精准定位客户属性及目标市场，从而进行个性化理财产品营销活动，提高服务效率和客户满意度，降低产品推广成本，提高产品推荐成功率，实现个性化服务，该方法包括：
步骤101：获取客户对理财产品的操作历史数据、欲推荐理财产品集合和共有属性数目阈值；
步骤102：根据客户对理财产品的操作历史数据，确定客户历史购买产品集合；
步骤103：根据欲推荐理财产品集合和客户历史购买产品集合，确定第一邻居集合；
步骤104：建立产品属性矩阵，结合共有属性数目阈值，确定第二邻居集合；
步骤105：根据第一邻居集合和第二邻居集合，确定推荐邻居集合；
步骤106：根据推荐邻居集合，确定理财产品推荐清单。
本发明实施例提供的一种理财产品推荐方法，包括：首先获取客户对理财产品的操作历史数据、欲推荐理财产品集合和共有属性数目阈值；然后根据客户对理财产品的操作历史数据，确定客户历史购买产品集合；接着根据欲推荐理财产品集合和客户历史购买产品集合，确定第一邻居集合；继续建立产品属性矩阵，结合共有属性数目阈值，确定第二邻居集合；下一步根据第一邻居集合和第二邻居集合，确定推荐邻居集合；最后根据推荐邻居集合，确定理财产品推荐清单。本发明实施例在传统协同过滤算法上进行改进，根据理财产品自身的属性特点，建立产品属性矩阵，对客户进行个性化理财产品推荐，精准定位客户属性及目标市场，从而进行个性化理财产品营销活动，提高了服务效率和客户满意度，降低理财产品推广成本，提高理财产品推荐成功率，实现个性化服务。
协同过滤算法是目前应用较为广泛的个性化推荐技术，其主要思想是通过对用户历史行为数据的挖掘发现用户的偏好，基于不同的偏好对用户进行群组划分并推荐品味相似的商品。协同过滤算法包括基于内存的协同过滤(Memory-based CF)和基于模型的协同过滤，基于内存的协同过滤又包括基于用户(User-based)和基于项目(Item-based)两种方法。
由于购买理财产品的客户数量远大于理财产品数量，所以申请采用基于项目的协同过滤算法，通过计算产品之间的相似度进行个性化推荐，有效避免了在一个巨大的用户群中寻找合适邻居用户的步骤，不必考虑用户间的相似性。图2为本发明实施例一种理财产品推荐方法的基于项目的协同过滤模型示意图，简单来说，如图2所示，如果用户A同时购买了产品A和产品C，用户B同时购买了产品A、产品B和产品C，可以看出购买产品A的用户都喜欢产品C，说明产品A和产品C相似，那么就可以把产品C推荐给购买了产品A的C用户。
基于项目的协同过滤算法，其产品推荐过程可以分为以下3步：获得用户-产品评分表，建立用户-项目评分矩阵；计算目标项目与其他项目的相似度，获得目标项目的邻居项目集合；由邻居用户对目标用户的未评分项目进行预测评分，取出top-N的项目推荐给用户。
图3为本发明实施例一种理财产品推荐方法的推荐流程图，如图3所示，具体实施本发明实施例提供的一种理财产品推荐方法时，可以包括：
获取客户对理财产品的操作历史数据、欲推荐理财产品集合M和共有属性数目阈值δ；根据客户对理财产品的操作历史数据，确定客户历史购买产品集合Du；根据欲推荐理财产品集合和客户历史购买产品集合，确定第一邻居集合C1i；建立产品属性矩阵，结合共有属性数目阈值δ，确定第二邻居集合C2i；根据第一邻居集合C1i和第二邻居集合C2i，确定推荐邻居集合C；根据推荐邻居集合C，确定理财产品推荐清单。
具体实施本发明实施例提供的一种理财产品推荐方法时，在一个实施例中，前述的根据客户对理财产品的操作历史数据，确定客户历史购买产品集合，主要过程是将客户对理财产品的操作历史数据进行分析梳理，从中找出客户历史购买产品集合。
具体实施本发明实施例提供的一种理财产品推荐方法时，在一个实施例中，前述的根据欲推荐理财产品集合和客户历史购买产品集合，确定第一邻居集合，包括：
构建用户-项目评分矩阵；
根据欲推荐理财产品集合和客户历史购买产品集合，结合用户-项目评分矩阵，确定产品-用户矩阵；
根据产品-用户矩阵，确定历史购买产品与欲推荐理财产品的购买相似度；
根据历史购买产品与欲推荐理财产品的购买相似度，确定第一邻居集合。
具体实施本发明实施例提供的一种理财产品推荐方法时，在一个实施例中，可以按照如下方式，构建用户-项目评分矩阵：
其中，Rn*m为用户-项目评分矩阵，*表示星乘；n表示购买理财产品的客户总数；m表示n个客户购买或收藏或浏览的理财产品总数；rij代表客户i对理财产品j的操作。
前述提到的构建用户-项目评分矩阵的表达式为举例说明，本领域技术人员可以理解，在实施时还可以根据需要对上述公式进行一定形式的变形和添加其它的参数或数据，或者提供其它的具体公式，这些变化例均应落入本发明的保护范围。
前述构建的用户-项目评分矩阵，可以用于客户对理财产品的操作历史数据，还适用于客户-理财产品购买矩阵、客户-理财产品收藏矩阵、客户-理财产品浏览矩阵。
具体实施本发明实施例提供的一种理财产品推荐方法时，在一个实施例中，可以按照如下方式，根据欲推荐理财产品集合和客户历史购买产品集合，结合用户-项目评分矩阵，确定产品-用户矩阵：
其中，Xmm为产品-用户矩阵；用x(j)表示购买理财产品j的客户数；xij表示同时购买产品i和产品j的用户数，xij＝xji；产品i∈Du，即i为历史购买产品，属于客户历史购买产品集合Du；产品j∈M，即j为欲推荐理财产品，推荐理财产品集合M。
前述提到的确定产品-用户矩阵的表达式为举例说明，本领域技术人员可以理解，在实施时还可以根据需要对上述公式进行一定形式的变形和添加其它的参数或数据，或者提供其它的具体公式，这些变化例均应落入本发明的保护范围。
本申请的产品-用户矩阵是以购买操作为示例的，实际实施中也可以采用其他操作方式进行。
具体实施本发明实施例提供的一种理财产品推荐方法时，在一个实施例中，可以按照如下方式，确定历史购买产品与欲推荐理财产品的购买相似度，
其中，sim1(i,j)为历史购买产品与欲推荐理财产品的购买相似度；产品i∈Du，即i为历史购买产品，属于客户历史购买产品集合Du；产品j∈M，即j为欲推荐理财产品，推荐理财产品集合M。
前述提到的确定历史购买产品与欲推荐理财产品的购买相似度的表达式为举例说明，本领域技术人员可以理解，在实施时还可以根据需要对上述公式进行一定形式的变形和添加其它的参数或数据，或者提供其它的具体公式，这些变化例均应落入本发明的保护范围。
实施例中，前述的根据历史购买产品与欲推荐理财产品的购买相似度，确定第一邻居集合，包括：根据历史购买产品与欲推荐理财产品的购买相似度的值，将欲推荐理财产品按照从大到小的顺序进行排序，按照设定取值范围获取多个欲推荐理财产品构成第一邻居集合；其中，前述的设定取值范围可以为N1，取前N1个欲推荐理财产品TOP-N1构成第一邻居集合。
传统的基于项目的协同过滤算法核心是根据公式(2)(3),计算客户购买过的理财产品和欲推荐的理财产品的相似度，得到相似度较高的产品推荐给客户，其算法流程如下。
输入：客户u的历史购买产品集Du,欲推荐的理财产品集合M；
输出：客户的TOP-N产品推荐。
1)根据客户购买过的产品i∈Du，公式(2)(3)，计算产品i和欲推荐的产品j∈M的相似度sim1(i,j)，取相似度较高的产品作为产品i的邻居集Ci。
2)找到最相似的产品推荐给客户，传统方案中，按照如下方式计算对应邻居集Ci的兴趣度：
其中，P′uj为传统方法中计算对应邻居集Ci的兴趣度；Ci为邻居集；*表示星乘；
前述提到的计算对应邻居集Ci的兴趣度的表达式为举例说明，本领域技术人员可以理解，在实施时还可以根据需要对上述公式进行一定形式的变形和添加其它的参数或数据，或者提供其它的具体公式，这些变化例均应落入本发明的保护范围。
3)根据P′uj的值从大到小进行排序，取前N个产品推荐给用户u。
表1
由于理财产品的特性，产品之间的相似度不能只考虑客户历史操作的相似度，还需要考虑产品本身属性的相似度。如表1所示的产品属性表，对于理财产品而言，产品本身的产品类型、风险评级的属性是客观存在的，具有可靠性，也能反应其之间的关系，这也将会影响到最终的推荐结果，加入产品本身的属性而得到的产品相似度更为准确。
因此，为了更加精准的想客户推送理财产品，本发明实施例引入产品属性矩阵Emn，具体实施本发明实施例提供的一种理财产品推荐方法时，在一个实施例中，前述的建立产品属性矩阵，结合共有属性数目阈值，确定第二邻居集合，包括：
根据理财产品自身属性，建立产品属性矩阵；
根据产品属性矩阵，结合共有属性数目阈值，确定历史购买产品与欲推荐理财产品的属性相似度；
根据历史购买产品与欲推荐理财产品的属性相似度，确定第二邻居集合。
具体实施本发明实施例提供的一种理财产品推荐方法时，在一个实施例中，可以按照如下方式，建立产品属性矩阵：
其中，Emn为产品属性矩阵；emn＝{0,1}，1代表具有某种属性，否则为0，m表示产品数量，n表示属性数量。
前述提到的建立产品属性矩阵的表达式为举例说明，本领域技术人员可以理解，在实施时还可以根据需要对上述公式进行一定形式的变形和添加其它的参数或数据，或者提供其它的具体公式，这些变化例均应落入本发明的保护范围。
根据上述产品属性矩阵Emn，产品e1和e2属性值在n维空间上的属性可看作向量e1＝{e11,e12,…,e1n}和向量e2＝{e21,e22,…,e2n}。
具体实施本发明实施例提供的一种理财产品推荐方法时，在一个实施例中，可以按照如下方式，确定历史购买产品与欲推荐理财产品的属性相似度：
其中，sim(e1,e2)为历史购买产品与欲推荐理财产品的属性相似度；δ为共有属性数目阈值；产品i∈Du，即i为历史购买产品，属于客户历史购买产品集合Du；产品j∈M，即j为欲推荐理财产品，推荐理财产品集合M。
前述提到的确定历史购买产品与欲推荐理财产品的属性相似度的表达式为举例说明，本领域技术人员可以理解，在实施时还可以根据需要对上述公式进行一定形式的变形和添加其它的参数或数据，或者提供其它的具体公式，这些变化例均应落入本发明的保护范围。
前述的向量e1＝{e11,e12,…,e1n}和向量e2＝{e21,e22,…,e2n}，他们之间的相似度可表示为公式(6)，其中，e1j&e2j表示只有当产品e1j和e2j具有共同属性值j时，运算结果才为1。|attr(e1)∪attr(e2)|表示产品e1j和e2j具有的属性集的合并个数。δ为产品共有属性的阈值。
前述的根据历史购买产品与欲推荐理财产品的属性相似度，确定第二邻居集合，包括：根据历史购买产品与欲推荐理财产品的属性相似度的值，将欲推荐理财产品按照从大到小的顺序进行排序，按照设定取值范围获取多个欲推荐理财产品构成第二邻居集合；其中，前述的设定取值范围可以为N2，取前N2个欲推荐理财产品TOP-N2构成第二邻居集合。
具体实施本发明实施例提供的一种理财产品推荐方法时，在一个实施例中，可以按照如下方式，根据第一邻居集合和第二邻居集合，确定推荐邻居集合：
C＝C1i∩C2i (7)
其中，C为推荐邻居集合；C1i为第一邻居集合；C2i为第二邻居集合。
前述提到的确定推荐邻居集合的表达式为举例说明，本领域技术人员可以理解，在实施时还可以根据需要对上述公式进行一定形式的变形和添加其它的参数或数据，或者提供其它的具体公式，这些变化例均应落入本发明的保护范围。
具体实施本发明实施例提供的一种理财产品推荐方法时，在一个实施例中，前述的根据推荐邻居集合，确定理财产品推荐清单，包括：
根据推荐邻居集合，确定客户对产品的兴趣值；
将客户对产品的兴趣值按照从大到小的顺序进行排列，按照预推荐数量，确定理财产品推荐清单。
具体实施本发明实施例提供的一种理财产品推荐方法时，在一个实施例中，可以按照如下方式，根据推荐邻居集合，确定客户对产品的兴趣值：
其中，Puj为客户u对产品j的兴趣值；产品i∈Du，即i为历史购买产品，属于客户历史购买产品集合Du；产品j∈M，即j为欲推荐理财产品，推荐理财产品集合M；C为推荐邻居集合；sim1(i,j)为历史购买产品与欲推荐理财产品的购买相似度；dui表示客户u对产品j的兴趣或者说是否购买过产品i，若购买过，dui＝1，否则，dui＝0；*表示星乘。
前述提到的确定客户对产品的兴趣值的表达式为举例说明，本领域技术人员可以理解，在实施时还可以根据需要对上述公式进行一定形式的变形和添加其它的参数或数据，或者提供其它的具体公式，这些变化例均应落入本发明的保护范围。
将客户对产品的兴趣值按照从大到小的顺序进行排列，按照预推荐数量，确定理财产品推荐清单，包括：将客户对产品的兴趣值按照从大到小的顺序进行排列，按照预推荐数量N3，取TOP-N3个理财产品，构成理财产品推荐清单。
本发明实施例还提供一种理财产品推荐方法的计算过程，包括：
输入：客户u的历史购买产品集Du,欲推荐的理财产品集合M，产品属性矩阵Emn，共有属性数目阈值δ；
输出：客户的TOP-N3产品推荐。
1)根据客户购买过的产品i∈Du，公式(2)(3)，计算产品i和欲推荐的产品j∈M的相似度sim1(i,j)，取相似度较高的产品作为产品i的邻居集C1i，根据公式(6)计算得出邻居集C2i，最终得到邻居集C＝C1i∩C2i。
2)如公式(8)所示，找到最相似的产品推荐给客户，
3)根据Puj的值从大到小进行排序，取前N3个产品推荐给用户u。
图4为本发明实施例一种理财产品推荐方法的手机银行理财产品推荐界面，如图4所示，基于手机银行，使用Axure工具在现有的理财界面添加个性推荐模块，将上述得到的TOP-N3理财产品展现给客户，客户可浏览、收藏、购买推荐产品。
本申请聚焦价值创造，助力打造极致客户体验产品，提供更具金融科技基因的智能化服务，运用大数据与人工智能技术，实现精准、自动、智能化的“千人千面”服务，打造用户心中的手机银行。围绕客户营销全流程，全面打造感知型金融服务，促进市场营销智能化升级，提升产品个性化推荐成效，实现营销模式全面升级。
个人手机银行的上线，理财作为重要模块之一，成为客户了解、购买理财产品的重要窗口之一，通过本申请的方案，可以更精准地为客户进行个性化理财产品的推荐。
本申请结合银行理财产品本身的特点和银行提供卓越金融服务的使命，在传统协同过滤算法上进行改进，对客户进行个性化理财产品推荐，提高服务效率和客户满意度，降低产品推广成本，提高产品推荐成功率，实现个性化服务。
图5为运行本发明实施的一种理财产品推荐方法的计算机装置示意图，如图5所示，本发明实施例还提供一种计算机设备，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计算机程序时实现上述一种理财产品推荐方法。
本发明实施例还提供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执行实现上述一种理财产品推荐方法的计算机程序。
本发明实施例中还提供了一种理财产品推荐装置，如下面的实施例所述。由于该装置解决问题的原理与一种理财产品推荐方法相似，因此该装置的实施可以参见一种理财产品推荐方法的实施，重复之处不再赘述。
图6为本发明实施例一种理财产品推荐装置示意图，如图6所示，本发明实施例还提供一种理财产品推荐装置，具体实施时可以包括：
数据获取模块601，用于获取客户对理财产品的操作历史数据、欲推荐理财产品集合和共有属性数目阈值；
客户历史购买产品集合确定模块602，用于根据客户对理财产品的操作历史数据，确定客户历史购买产品集合；
第一邻居集合确定模块603，用于根据欲推荐理财产品集合和客户历史购买产品集合，确定第一邻居集合；
第二邻居集合确定模块604，用于建立产品属性矩阵，结合共有属性数目阈值，确定第二邻居集合；
推荐邻居集合确定模块605，用于根据第一邻居集合和第二邻居集合，确定推荐邻居集合；
理财产品推荐清单确定模块606，用于根据推荐邻居集合，确定理财产品推荐清单。
具体实施本发明实施例提供的一种理财产品推荐装置时，在一个实施例中，前述的第一邻居集合确定模块，具体用于：
构建用户-项目评分矩阵；
根据欲推荐理财产品集合和客户历史购买产品集合，结合用户-项目评分矩阵，确定产品-用户矩阵；
根据产品-用户矩阵，确定历史购买产品与欲推荐理财产品的购买相似度；
根据历史购买产品与欲推荐理财产品的购买相似度，确定第一邻居集合。
体实施本发明实施例提供的一种理财产品推荐装置时，在一个实施例中，前述的第二邻居集合确定模块，具体用于：
根据理财产品自身属性，建立产品属性矩阵；
根据产品属性矩阵，结合共有属性数目阈值，确定历史购买产品与欲推荐理财产品的属性相似度；
根据历史购买产品与欲推荐理财产品的属性相似度，确定第二邻居集合。
体实施本发明实施例提供的一种理财产品推荐装置时，在一个实施例中，前述的理财产品推荐清单确定模块，具体用于：
根据推荐邻居集合，确定客户对产品的兴趣值；
将客户对产品的兴趣值按照从大到小的顺序进行排列，按照预推荐数量，确定理财产品推荐清单。
综上，本发明实施例提供的一种理财产品推荐方法和装置，包括：首先获取客户对理财产品的操作历史数据、欲推荐理财产品集合和共有属性数目阈值；然后根据客户对理财产品的操作历史数据，确定客户历史购买产品集合；接着根据欲推荐理财产品集合和客户历史购买产品集合，确定第一邻居集合；继续建立产品属性矩阵，结合共有属性数目阈值，确定第二邻居集合；下一步根据第一邻居集合和第二邻居集合，确定推荐邻居集合；最后根据推荐邻居集合，确定理财产品推荐清单。本发明实施例在传统协同过滤算法上进行改进，根据理财产品自身的属性特点，建立产品属性矩阵，对客户进行个性化理财产品推荐，精准定位客户属性及目标市场，从而进行个性化理财产品营销活动，提高了服务效率和客户满意度，降低理财产品推广成本，提高理财产品推荐成功率，实现个性化服务。
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、系统、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(系统)、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。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种理财产品推荐方法，其特征在于，包括：
获取客户对理财产品的操作历史数据、欲推荐理财产品集合和共有属性数目阈值；
根据客户对理财产品的操作历史数据，确定客户历史购买产品集合；
根据欲推荐理财产品集合和客户历史购买产品集合，确定第一邻居集合；
建立产品属性矩阵，结合共有属性数目阈值，确定第二邻居集合；
根据第一邻居集合和第二邻居集合，确定推荐邻居集合；
根据推荐邻居集合，确定理财产品推荐清单；
其中，根据欲推荐理财产品集合和客户历史购买产品集合，确定第一邻居集合，包括：
构建用户-项目评分矩阵；
根据欲推荐理财产品集合和客户历史购买产品集合，结合用户-项目评分矩阵，确定产品-用户矩阵；
根据产品-用户矩阵，确定历史购买产品与欲推荐理财产品的购买相似度；
根据历史购买产品与欲推荐理财产品的购买相似度，确定第一邻居集合；
其中，建立产品属性矩阵，结合共有属性数目阈值，确定第二邻居集合，包括：
根据理财产品自身属性，建立产品属性矩阵；
根据产品属性矩阵，结合共有属性数目阈值，确定历史购买产品与欲推荐理财产品的属性相似度；
根据历史购买产品与欲推荐理财产品的属性相似度，确定第二邻居集合。
2.如权利要求1所述的方法，其特征在于，根据推荐邻居集合，确定理财产品推荐清单，包括：
根据推荐邻居集合，确定客户对产品的兴趣值；
将客户对产品的兴趣值按照从大到小的顺序进行排列，按照预推荐数量，确定理财产品推荐清单。
3.一种理财产品推荐装置，其特征在于，包括：
数据获取模块，用于获取客户对理财产品的操作历史数据、欲推荐理财产品集合和共有属性数目阈值；
客户历史购买产品集合确定模块，用于根据客户对理财产品的操作历史数据，确定客户历史购买产品集合；
第一邻居集合确定模块，用于根据欲推荐理财产品集合和客户历史购买产品集合，确定第一邻居集合；
第二邻居集合确定模块，用于建立产品属性矩阵，结合共有属性数目阈值，确定第二邻居集合；
推荐邻居集合确定模块，用于根据第一邻居集合和第二邻居集合，确定推荐邻居集合；
理财产品推荐清单确定模块，用于根据推荐邻居集合，确定理财产品推荐清单；
其中，第一邻居集合确定模块，具体用于：
构建用户-项目评分矩阵；
根据欲推荐理财产品集合和客户历史购买产品集合，结合用户-项目评分矩阵，确定产品-用户矩阵；
根据产品-用户矩阵，确定历史购买产品与欲推荐理财产品的购买相似度；
根据历史购买产品与欲推荐理财产品的购买相似度，确定第一邻居集合；
其中，第二邻居集合确定模块，具体用于：
根据理财产品自身属性，建立产品属性矩阵；
根据产品属性矩阵，结合共有属性数目阈值，确定历史购买产品与欲推荐理财产品的属性相似度；
根据历史购买产品与欲推荐理财产品的属性相似度，确定第二邻居集合。
4.如权利要求3所述的装置，其特征在于，理财产品推荐清单确定模块，具体用于：
根据推荐邻居集合，确定客户对产品的兴趣值；
将客户对产品的兴趣值按照从大到小的顺序进行排列，按照预推荐数量，确定理财产品推荐清单。
5.一种计算机设备，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计算机程序时实现权利要求1至2任一项所述方法。
6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序由计算机执行实现权利要求1至2任一项所述方法。
CN202110176879.5A 2021-02-07 2021-02-07 一种理财产品推荐方法和装置 Active CN112801803B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110176879.5A CN112801803B (zh) 2021-02-07 2021-02-07 一种理财产品推荐方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110176879.5A CN112801803B (zh) 2021-02-07 2021-02-07 一种理财产品推荐方法和装置

Publications (2)

Publication Number Publication Date
CN112801803A CN112801803A (zh) 2021-05-14
CN112801803B true CN112801803B (zh) 2024-02-02

Family

ID=75814908

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110176879.5A Active CN112801803B (zh) 2021-02-07 2021-02-07 一种理财产品推荐方法和装置

Country Status (1)

Country Link
CN (1) CN112801803B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113221006B (zh) * 2021-05-24 2023-12-19 北京搜狐新媒体信息技术有限公司 物品推荐方法及装置、电子设备、计算机存储介质
CN113643103B (zh) * 2021-08-31 2024-06-25 深圳平安医疗健康科技服务有限公司 基于用户相似度的产品推荐方法、装置、设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104463637A (zh) * 2014-12-23 2015-03-25 北京石油化工学院 一种基于电商平台的商品推荐方法、装置及服务器
CN109859004A (zh) * 2019-01-10 2019-06-07 珠海金山网络游戏科技有限公司 一种基于历史数据的商品推荐方法及系统
CN111125535A (zh) * 2019-12-27 2020-05-08 中国银行股份有限公司 理财产品推荐方法及装置
KR102128059B1 (ko) * 2019-08-08 2020-06-29 (주)코바이노베이션 고객의 정보와 금융상품 구매이력에 기초한 기계학습을 통해 최적의 금융상품을 추천하는 전자 장치
CN111967972A (zh) * 2020-08-18 2020-11-20 中国银行股份有限公司 理财产品推荐方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104463637A (zh) * 2014-12-23 2015-03-25 北京石油化工学院 一种基于电商平台的商品推荐方法、装置及服务器
CN109859004A (zh) * 2019-01-10 2019-06-07 珠海金山网络游戏科技有限公司 一种基于历史数据的商品推荐方法及系统
KR102128059B1 (ko) * 2019-08-08 2020-06-29 (주)코바이노베이션 고객의 정보와 금융상품 구매이력에 기초한 기계학습을 통해 최적의 금융상품을 추천하는 전자 장치
CN111125535A (zh) * 2019-12-27 2020-05-08 中国银行股份有限公司 理财产品推荐方法及装置
CN111967972A (zh) * 2020-08-18 2020-11-20 中国银行股份有限公司 理财产品推荐方法及装置

Also Published As

Publication number Publication date
CN112801803A (zh) 2021-05-14

Similar Documents

Publication Publication Date Title
Patro et al. A hybrid action-related K-nearest neighbour (HAR-KNN) approach for recommendation systems
US20240062271A1 (en) Recommendations Based Upon Explicit User Similarity
CN103164804B (zh) 一种个性化的信息推送方法及装置
CN110162693B (zh) 一种信息推荐的方法以及服务器
US10685065B2 (en) Method and system for recommending content to a user
CN108805598B (zh) 相似度信息确定方法、服务器及计算机可读存储介质
Xu et al. Integrated collaborative filtering recommendation in social cyber-physical systems
CN110008397B (zh) 一种推荐模型训练方法及装置
US20130204701A1 (en) Apparatus, system and methods for marketing targeted products to users of social media
TW201905736A (zh) 資訊推送方法及系統
CN112801803B (zh) 一种理财产品推荐方法和装置
Shahmohammadi et al. Presenting new collaborative link prediction methods for activity recommendation in Facebook
CN108614832A (zh) 一种用户个性化商品搜索实现方法及装置
US20230093756A1 (en) Systems and methods for generating recommendations
Prando et al. Content-based Recommender System using Social Networks for Cold-start Users.
Neve et al. Hybrid reciprocal recommender systems: Integrating item-to-user principles in reciprocal recommendation
Narke et al. A comprehensive review of approaches and challenges of a recommendation system
CN111787042B (zh) 用于推送信息的方法和装置
Shih et al. An integrated framework for recommendation systems in e‐commerce
Chen et al. Trust-based collaborative filtering algorithm in social network
Tang et al. Service recommendation based on dynamic user portrait: an integrated approach
Chehal et al. An approach to utilize e-commerce product reviews to remove irrelevant recommendations
CN113781134A (zh) 物品推荐方法、装置及计算机可读存储介质
Abed et al. A review of marketing recommendation systems
Somani Emerging role of Artificial Intelligence in Product recommendation

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
GR01 Patent grant
GR01 Patent grant