CN113946752A - 基于大数据的金融产品推荐方法、装置、设备及存储介质 - Google Patents

Abstract

本发明涉及大数据领域，公开了一种基于大数据的金融产品推荐方法、装置、设备及存储介质。所述方法包括：基于渠道划分规则，对金融产品进行渠道分类，得到多个业务渠道的初始金融产品列表；若接收到终端发送的产品推荐请求，则根据产品推荐请求筛选出目标金融产品列表；计算该产品推荐请求中的目标产品与目标金融产品列表中的每种金融产品之间的相似度，并筛选出相似度大于预设阈值的多个相似金融产品；计算每个相似金融产品与目标用户的匹配度，将匹配度大于预设阈值的相似金融产品在终端输出显示。本发明通过对金融产品进行业务渠道分类，差异化对各业务渠道的用户进行产品推荐，从而提高推荐准确性。

Description

基于大数据的金融产品推荐方法、装置、设备及存储介质

技术领域

本发明涉及大数据领域，尤其涉及一种基于大数据的金融产品推荐方法、装置、设备及存储介质。

背景技术

随着居民理财习惯的逐渐变化，居民财富从以定期存款和活期存款为代表的银行储蓄，逐渐迁移到以基金产品、银行理财产品、结构化存款产品等为代表的金融产品中来；因此，各金融机构之间的竞争日趋激烈，如何为每个客户精准地推荐个性化金融产品，已成为各金融机构提高竞争力的重要手段，也是它们降低营销成本的关键所在。

现有的金融产品推荐方法是为每个用户生成相应的用户画像，从而根据用户画像推荐相应的金融产品，这种推荐方法准确性较低，原因在于其只考虑了用户的产品购买喜好和资产状况等信息，对于用户是否拥有购买金融产品的意向并不加考虑，而影响用户的产品购买意向的因素冗杂多变，其包含人为主观性，并不意味着用户历史拥有购买金融产品的习惯或现阶段拥有较多资产就拥有产品购买意向。

发明内容

本发明的主要目的在于解决现有基于大数据的金融产品推荐方法准确性低的问题。

本发明第一方面提供了一种基于大数据的金融产品推荐方法，包括：

基于预设的渠道划分规则，对金融产品进行渠道分类，得到多个业务渠道的初始金融产品列表，其中，所述初始金融产品列表中包括多个金融产品；

若接收到终端发送的产品推荐请求，则根据所述产品推荐请求中的业务渠道信息，从所述初始金融产品列表中筛选出目标金融产品列表，其中，所述产品推荐请求中还包括目标产品的产品名称、目标用户的用户标签；

根据所述目标产品的产品名称，计算所述目标产品与所述目标金融产品列表中的每种金融产品之间的相似度，并从所述目标金融产品列表中筛选出多个相似金融产品，其中，所述相似金融产品为所述相似度大于预设阈值的金融产品；

根据所述目标用户的用户标签，计算每个所述相似金融产品与所述目标用户的匹配度，将所述匹配度大于预设阈值的相似金融产品在终端输出显示。

可选的，在本发明第一方面的第一种实现方式中，在所述基于预设的渠道划分规则，对金融产品进行渠道分类，得到多个业务渠道的初始金融产品列表之前，还包括：

从预设数据库中获取历史用户数据，并对所述历史用户数据进行聚类分析，得到多个维度的用户分类信息；

基于所述用户分类信息，为每个用户生成相应的用于表示分类信息的用户标签。

可选的，在本发明第一方面的第二种实现方式中，在所述若接收到终端发送的产品推荐请求，则根据所述产品推荐请求中的业务渠道信息，从所述初始金融产品列表中筛选出目标金融产品列表之后，在所述根据所述目标产品的产品信息，计算所述目标产品与所述目标金融产品列表中的每种金融产品之间的相似度，并从所述目标金融产品列表中筛选出多个相似金融产品之前，还包括：

从预设的数据库中获取所述目标用户在所述终端浏览产品时的原始生物信息和原始环境信息；

基于所述原始生物信息和所述原始环境信息，对所述目标用户进行情绪识别，并根据情绪识别的结果，更新所述目标金融产品列表。

可选的，在本发明第一方面的第三种实现方式中，所述原始生物信息和所述原始环境信息中均携带浏览时间戳，所述基于所述原始生物信息和所述原始环境信息，对所述目标用户进行情绪识别，并根据情绪识别的结果，更新所述目标金融产品列表包括：

将所述原始生物信息和所述原始环境信息按照预设时间段拆分，得到多个时间段对应的生物信息集和环境信息集；

计算各个生物信息集和环境信息集中每个因子的平均值，得到各个时间段对应的目标生物信息和目标环境信息；

基于所述目标生物信息和所述目标环境信息进行情绪识别，得到所述目标用户在各个时间段的情绪识别结果。

可选的，在本发明第一方面的第四种实现方式中，所述基于所述目标生物信息和所述目标环境信息进行情绪识别，得到所述目标用户在各个时间段的情绪识别结果包括：

接收用户选择的目标时间段，并对所述目标时间段对应的目标生物信息和目标环境信息进行特征处理，得到所述目标时间段的第一特征序列；

从预设的数据库中获取携带情绪类别标注信息的第一样本集，并基于所述第一样本集确定所述目标时间段的邻域；

从所述目标时间段的邻域中抽取预设数量的样本，并获取每个样本的第二特征序列；

基于所述第一特征序列和所述第二特征序列确定所述目标时间段的目标情绪类别。

可选的，在本发明第一方面的第五种实现方式中，所述根据所述目标产品的产品名称，计算所述目标产品与所述目标金融产品列表中的每种金融产品之间的相似度，并从所述目标金融产品列表中筛选出多个相似金融产品包括：

根据所述目标产品的产品名称，获取所述目标产品的产品相关信息，以及获取所述目标金融产品列表中每种金融产品的产品相关信息，并对所述产品相关信息进行特征提取，得到所述目标产品的目标产品特征向量和所述目标金融产品列表中每种金融产品的对比产品特征向量；

基于欧几里得距离算法，依次计算所述目标产品特征向量与每个对比产品特征向量之间的向量距离；

根据所述目标产品特征向量与每个对比产品特征向量之间的向量距离，计算所述目标产品特征向量与每个对比产品特征向量之间的相似度，并筛选出所述相似度大于预设阈值的多个相似金融产品。可选的，在本发明第一方面的第六种实现方式中，所述根据所述目标用户的用户标签，计算每个所述相似金融产品与所述目标用户的匹配度，将所述匹配度大于预设阈值的相似金融产品在终端输出显示包括：

根据所述目标用户的用户标签，计算每个所述相似金融产品与所述目标用户在多个预设维度下的匹配度分量；

基于每个预设维度的权重，对所述匹配度分量进行加权求和，得到每个所述相似金融产品与所述目标用户的匹配度；

根据每个所述相似金融产品与所述目标用户的匹配度，将所述匹配度大于预设阈值的相似金融产品在终端输出显示。

本发明第二方面提供了一种基于大数据的金融产品推荐装置，包括：

渠道分类模块，用于基于预设的渠道划分规则，对金融产品进行渠道分类，得到多个业务渠道的初始金融产品列表，其中，所述初始金融产品列表中包括多个金融产品；

目标产品筛选模块，用于若接收到终端发送的产品推荐请求，则根据所述产品推荐请求中的业务渠道信息，从所述初始金融产品列表中筛选出目标金融产品列表，其中，所述产品推荐请求中还包括目标产品的产品信息和目标用户的用户标签；

相似产品查找模块，用于根据所述目标产品的产品名称，计算所述目标产品与所述目标金融产品列表中的每种金融产品之间的相似度，并从所述目标金融产品列表中筛选出多个相似金融产品，其中，所述相似金融产品为所述相似度大于预设阈值的金融产品；

产品推荐模块，用于根据所述目标用户的用户标签，计算每个所述相似金融产品与所述目标用户的匹配度，将所述匹配度大于预设阈值的相似金融产品在终端输出显示。

可选的，在本发明第二方面的第一种实现方式中，所述相似产品查找模块包括：

特征提取单元，用于根据所述目标产品的产品名称，获取所述目标产品的产品相关信息，以及获取所述目标金融产品列表中每种金融产品的产品相关信息，并对所述产品相关信息进行特征提取，得到所述目标产品的目标产品特征向量和所述目标金融产品列表中每种金融产品的对比产品特征向量；

距离计算单元，用于基于欧几里得距离算法，依次计算所述目标产品特征向量与每个对比产品特征向量之间的向量距离；

相似度计算单元，用于根据所述目标产品特征向量与每个对比产品特征向量之间的向量距离，计算所述目标产品特征向量与每个对比产品特征向量之间的相似度，并筛选出所述相似度大于预设阈值的多个相似金融产品。

可选的，在本发明第二方面的第二种实现方式中，所述产品推荐模块具体包括：

分量计算单元，用于根据所述目标用户的用户标签，计算每个所述相似金融产品与所述目标用户在多个预设维度下的匹配度分量；

加权计算单元，用于基于每个预设维度的权重，对所述匹配度分量进行加权求和，得到每个所述相似金融产品与所述目标用户的匹配度；

输出单元，用于根据每个所述相似金融产品与所述目标用户的匹配度，将所述匹配度大于预设阈值的相似金融产品在终端输出显示。

本发明第三方面提供了一种计算机设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述计算机设备执行上述的基于大数据的金融产品推荐方法。

本发明的第四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中存储有指令，当其在计算机上运行时，使得计算机执行上述的基于大数据的金融产品推荐方法。

本发明提供的技术方案中，通过对金融产品按照业务渠道进行划分，从而得到不同业务渠道的初始金融产品列表，其次根据终端发送的产品推荐请求从而确定对应业务渠道的目标金融产品列表，然后计算产品推荐请求中的目标金融产品与目标金融产品列表中的每个金融产品之间的相似度，从而确定与目标金融产品相似的同类产品，最后计算这些与目标金融产品相似的同类产品与目标用户的匹配度，将匹配度大于预设阈值的同类产品作为推荐产品输出显示。本发明通过对不同业务渠道的金融产品进行分类，鉴于不同业务渠道的用户对产品的购买意向不同，服务器差异化对各个业务渠道的用户进行相应的产品推荐，从而提高推荐准确性，进而提高产品订单量。

附图说明

图1为本发明实施例中基于大数据的金融产品推荐方法的第一个实施例示意图；

图2为本发明实施例中基于大数据的金融产品推荐方法的第二个实施例示意图；

图3为本发明实施例中基于大数据的金融产品推荐方法的第三个实施例示意图；

图4为本发明实施例中基于大数据的金融产品推荐装置的一个实施例示意图；

图5为本发明实施例中基于大数据的金融产品推荐装置的另一个实施例示意图；

图6为本发明实施例中计算机设备的一个实施例示意图。

具体实施方式

本发明实施例提供了一种基于大数据的金融产品推荐方法、装置、设备及存储介质，推荐准确性更高。

本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

本发明实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。

人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。

本发明中的服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。

为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1，本发明实施例中基于大数据的金融产品推荐方法的一个实施例包括：

101、基于预设的渠道划分规则，对金融产品进行渠道分类，得到多个业务渠道的初始金融产品列表，其中，初始金融产品列表中包括多个金融产品；

可以理解的是，服务器将金融产品划分至多个业务渠道，例如掌上口袋银行、网上银行、远程柜面等，每个业务渠道对应的用户购买意向(即购买金融产品的可能性)均不同，例如远程柜面的用户对金融产品的购买意向相比其他渠道的用户来说最高，进而服务器针对不同业务渠道下的用户差异化定制金融产品，生成每个业务渠道对应的金融产品列表。

可选的，在服务器对金融产品进行渠道分类之前，服务器还从预设数据库中获取历史用户数据，并对历史用户数据进行聚类分析，从而得到多个维度的用户分类信息；然后基于用户分类信息，为每个用户生成相应的用于表示分类信息的用户标签。

可以理解的是，聚类分析即服务器针对历史用户数据，根据数据本身的特性研究分类规则，并遵循这个分类规则对数据进行合理的分类，最终将相似数据分为一组，也就是“同类相同、异类相异”，例如将用户按照注册时间的长短将其聚类，根据用户对金融产品类型的喜好将其分类等，本实施例对其不做限定。

102、若接收到终端发送的产品推荐请求，则根据产品推荐请求中的业务渠道信息，从初始金融产品列表中筛选出目标金融产品列表，其中，产品推荐请求中还包括目标产品的产品名称和目标用户的用户标签；

可以理解的是，目标产品为服务器生成推荐产品的源产品，可以为当前用户已购买的金融产品或用户在产品展示页中查看或选择的某一款产品，本实施例对其不做限定。在一种实施例中，在产品展示页中构建了相应的后台常驻监测进程，当检测进程检测到当前用户在浏览查看某款金融产品的相关信息停留时长达到预设阈值时，则将该金融产品确定为目标产品。

进一步的，根据用户操作的终端的标识(序列号)从预设的映射表(即终端序列号-业务渠道映射)中查找相应的业务渠道参数，以及根据用户的账号信息获取相应的用户标签，进而生成产品推荐请求，该产品推荐请求中携带目标产品的信息、该用户标签以及该业务渠道参数，服务器根据产品推荐请求中携带的业务渠道参数，从而匹配相应的初始金融产品列表。

可以理解的是，由用户自主在预设的金融产品展示页面中选取用于生成推荐产品的源产品，服务器将数据库中存储的金融产品信息项发送至终端，由终端的页面渲染引擎调用金融产品信息加载至相应的前端页面区域中，从而生成金融产品数据列表。用户可以通过人机互动，以多种方式生成产品选取指令，例如键盘键入、触控输入等，本实施例对其并不做限定。

103、根据目标产品的产品名称，计算目标产品与目标金融产品列表中的每种金融产品之间的相似度，并从目标金融产品列表中筛选出多个相似金融产品，其中，相似金融产品为相似度大于预设阈值的金融产品；

可以理解的是，服务器根据目标产品的产品名称从而获取目标产品的产品相关数据，以及获取目标金融产品列表中每种产品的产品相关数据，进而对其进行特征提取，得到相应的产品特征，通过计算产品特征之间的距离从而计算产品之间的相似度，具体的可采用欧几里得距离算法(Euclidean Distance)、皮尔逊相关系数算法(Pearson CorrelationCoefficient)等进行计算，本实施例中对其不做限定。可选的，服务器从多个维度对相似度进行计算，通过计算不同维度下的相似度分量，进而对其加权求和计算，得到两个产品之间的总相似度，例如根据金融产品的风险等级(权重为0.5)、产品投资方向(权重为0.2)、产品系列(权重为0.15)、产品期限(权重为0.1)等维度信息。

进一步的，服务器通过计算目标产品与目标金融产品列表中的每种金融产品之间的相似度，从而得到相应的相似度列表，并将该相似度列表中的每个相似度与预设的阈值进行比较，从中筛选出大于该阈值的相似度对应的金融产品以进一步分析处理。例如相似度列表T＝[A:0.6，B:0.3，C:0.35，D:0.55]，其中，A、B、C、D为不同的金融产品，其后面的数值为其与目标金融产品E之间的相似度，预设阈值为0.5，则将金融产品A和金融产品D筛选出作为目标金融产品的相似金融产品。

104、根据目标用户的用户标签，计算每个相似金融产品与目标用户的匹配度，将匹配度大于预设阈值的相似金融产品在终端输出显示。

可以理解的是，金融产品和用户之间的匹配度关键取决于从哪些数据指标来对匹配度进行定义，服务器基于预设的用户-产品匹配模型计算该匹配度，该用户-产品匹配模型中包含三个模块，即用户特征提取模块、产品特征提取模块以及特征匹配模块，具体的，服务器首先将目标用户的用户标签输入用户特征提取模块中进行特征提取，该特征例如客户可用资产、客户风险偏好以及客户产品偏好等，然后获取每个相似金融产品的产品信息，将第一个相似金融产品的产品信息输入至产品特征提取模块进行特征提取，该特征例如产品起购金额、产品风险等级以及产品类型，进一步的，服务器调用特征匹配模块，初始化一个匹配积分项，然后将每项用户特征与相应的产品特征进行匹配，若满足预设的匹配规则时，则对该匹配积分项累加相应的得分，然后除以规则总得分即可得到匹配度，其中一个用户特征与产品特征之间的得分对照表请参考表一：

表一

本实施例中，通过对不同业务渠道的金融产品进行分类，鉴于不同业务渠道的用户对产品的购买意向不同，服务器差异化对各个业务渠道的用户进行相应的产品推荐，从而提高推荐准确性，进而提高产品订单量。

参阅图2，本发明实施例中基于大数据的金融产品推荐方法的第二个实施例包括：

201、基于预设的渠道划分规则，对金融产品进行渠道分类，得到多个业务渠道的初始金融产品列表，其中，初始金融产品列表中包括多个金融产品；

202、若接收到终端发送的产品推荐请求，则根据产品推荐请求中的业务渠道信息，从初始金融产品列表中筛选出目标金融产品列表，其中，产品推荐请求中还包括目标产品的产品名称和目标用户的用户标签；

其中，步骤201-202与上述步骤101-102的执行步骤类似，具体此处不再赘述。

203、根据目标产品的产品名称，获取目标产品的产品相关信息，以及获取目标金融产品列表中每种金融产品的产品相关信息，并对产品相关信息进行特征提取，得到目标产品的目标产品特征向量和目标金融产品列表中每种金融产品的对比产品特征向量；

应当理解的是，特征提取即在不损伤文本核心信息的情况下尽量减少要处理的单词，具体的，服务器可根据Spark(计算引擎)中的原生应用程序接口函数CountVectorizer对产品相关信息进行处理，从而将其转换为词频矩阵，进一步通过变换函数将文本中的可迭代对象其转换为二维数组，然后将处理得到的二维数组转换为之前的数据格式，最后返回单词对应的特征向量。

204、基于欧几里得距离算法，依次计算目标产品特征向量与每个对比产品特征向量之间的向量距离；

可以理解的是，欧几里得距离算法用于计算n维空间中两个位置的之间的距离(欧氏距离)，欧氏距离的计算公式请参考公式一：

205、根据目标产品特征向量与每个对比产品特征向量之间的向量距离，计算目标产品特征向量与每个对比产品特征向量之间的相似度，并筛选出相似度大于预设阈值的多个相似金融产品；

应当理解的是，相似度的大小与该向量距离成反比，具体的，相似度的计算公式请参考公式二：

服务器基于公式二计算得到目标产品特征向量与每个对比产品特征向量之间的相似度，并筛选出相似度大于预设阈值的多个相似金融产品，例如存在对比产品的特征向量a、b、c、d、e，目标产品的特征向量f，其中，经计算得到相似度列表D＝[d(a,f):0.35，d(a,b):0.6，d(a,c):0.55，d(a,d):0.32，d(a,e):0.1]，预设阈值为0.5，则将对比产品特征向量b和c筛选出来，将其对应的金融产品作为目标产品的相似产品。

206、根据目标用户的用户标签，计算每个相似金融产品与目标用户的匹配度，将匹配度大于预设阈值的相似金融产品在终端输出显示。

其中，步骤206与上述步骤104的执行步骤类似，具体此处不再赘述。

本实施例中，详细描述了与目标产品相似的金融产品的查找过程，通过获取产品的特征向量，并计算向量之间的距离，进而计算相似度，从而准确查找与目标产品相似的金融产品。

参阅图3，本发明实施例中基于大数据的金融产品推荐方法的第三个实施例包括：

301、基于预设的渠道划分规则，对金融产品进行渠道分类，得到多个业务渠道的初始金融产品列表，其中，初始金融产品列表中包括多个金融产品；

302、若接收到终端发送的产品推荐请求，则根据产品推荐请求中的业务渠道信息，从初始金融产品列表中筛选出目标金融产品列表，其中，产品推荐请求中还包括目标产品的产品信息和目标用户的用户标签；

其中，步骤301-302与上述步骤101-102的执行步骤类似，具体此处不再赘述。

303、从预设的数据库中获取目标用户在终端浏览产品时的原始生物信息和原始环境信息；

可以理解的是，在服务器获得用户隐私数据的采集权限下，原始生物信息和原始环境信息由服务器调用采集仪器进行数据采集后存储于预设的数据库中，原始生物信息包括皮肤阻抗、皮肤温度、血压、血氧、脉搏、心电及脑电波的信息，原始环境信息包括GPS位置、环境温度、环境湿度及环境亮度的信息。

304、基于原始生物信息和原始环境信息，对目标用户进行情绪识别，并根据情绪识别的结果，更新目标金融产品列表；

具体的，服务器首先将原始生物信息和原始环境信息按照预设时间段进行拆分，从而得到多个时间段对应的生物信息集和环境信息集，例如若目标用户浏览初始产品推荐信息的时间为15秒，若预设时间段为3秒，则可拆分得到5个时间段对应的生物信息集及环境信息集；

其次，服务器计算各生物信息集和环境信息集中每个因子的平均值，得到各个时间段对应的目标生物信息及目标环境信息，例如计算某一时间段对应的生物信息集中皮肤阻抗的平均值，得到该时间段对应的目标生物信息中皮肤阻抗的数值。若第一个时间段对应的生物信息集中脉搏分别为75、72、79，则第一个时间段对应的目标生物信息中脉搏的数值为(75+74+79)/3＝76。若第三个时间段对应的环境信息集中环境湿度分别为60.1％、60.3％、60.2％，则第三个时间段对应的目标环境信息中环境湿度的数值为(60.1％+60.3％+60.2％)/3＝60.2％；

然后，服务器基于目标生物信息和目标环境信息进行情绪识别，得到目标用户在各个时间段的情绪识别结果。生物信息可体现用户的情绪状态，环境信息在一定程度上也能够影响用户的情绪，情绪识别的结果具体包括喜悦、厌恶、无聊及放松；

最终，服务器可根据情绪识别结果确定目标用户对目标金融产品列表中的产品是否满意，进而调整目标金融产品列表。例如当一个时间段对应的情绪识别结果为喜悦或放松时，表明目标用户对该时间段浏览到的第一产品信息较为满意则在目标金融产品列表中增加与第一产品信息同类型的金融产品；当一个时间段对应的情绪识别结果为无聊或厌恶时，表明目标用户对该时间段浏览到的第二产品信息不太满意，此时，可在目标金融产品列表中减少与第一产品信息同类型的金融产品，并增加与第二产品信息关联度较低的金融产品。

305、根据目标产品的产品名称，计算目标产品与目标金融产品列表中的每种金融产品之间的相似度，并从目标金融产品列表中筛选出多个相似金融产品，其中，相似金融产品为相似度大于预设阈值的金融产品；

306、根据目标用户的用户标签，计算每个相似金融产品与目标用户的匹配度，将匹配度大于预设阈值的相似金融产品在终端输出显示；

其中，步骤305-306与上述步骤103-104的执行步骤类似，具体此处不再赘述。

本实施例中，详细描述通过基于生物信息的情绪识别从而进一步确定待推荐产品的过程，对用户浏览产品的即时情绪信息的分析，进而提高推荐的准确性。

上面对本发明实施例中基于大数据的金融产品推荐方法进行了描述，下面对本发明实施例中基于大数据的金融产品推荐装置进行描述，请参阅图4，本发明实施例中基于大数据的金融产品推荐装置的一个实施例包括：

渠道分类模块401，用于基于预设的渠道划分规则，对金融产品进行渠道分类，得到多个业务渠道的初始金融产品列表，其中，所述初始金融产品列表中包括多个金融产品；

目标产品筛选模块402，用于若接收到终端发送的产品推荐请求，则根据所述产品推荐请求中的业务渠道信息，从所述初始金融产品列表中筛选出目标金融产品列表，其中，所述产品推荐请求中还包括目标产品的产品名称和目标用户的用户标签；

相似产品查找模块403，用于根据所述目标产品的产品名称，计算所述目标产品与所述目标金融产品列表中的每种金融产品之间的相似度，并从所述目标金融产品列表中筛选出多个相似金融产品，其中，所述相似金融产品为所述相似度大于预设阈值的金融产品；

产品推荐模块404，用于根据所述目标用户的用户标签，计算每个所述相似金融产品与所述目标用户的匹配度，将所述匹配度大于预设阈值的相似金融产品在终端输出显示。

本实施例中，通过对不同业务渠道的金融产品进行分类，鉴于不同业务渠道的用户对产品的购买意向不同，服务器差异化对各个业务渠道的用户进行相应的产品推荐，从而提高推荐准确性，进而提高产品订单量。

参阅图5，本发明实施例中基于大数据的金融产品推荐装置的另一个实施例包括：

渠道分类模块401，用于基于预设的渠道划分规则，对金融产品进行渠道分类，得到多个业务渠道的初始金融产品列表，其中，所述初始金融产品列表中包括多个金融产品；

目标产品筛选模块402，用于若接收到终端发送的产品推荐请求，则根据所述产品推荐请求中的业务渠道信息，从所述初始金融产品列表中筛选出目标金融产品列表，其中，所述产品推荐请求中还包括目标产品的产品名称和目标用户的用户标签；

相似产品查找模块403，用于根据所述目标产品的产品名称，计算所述目标产品与所述目标金融产品列表中的每种金融产品之间的相似度，并从所述目标金融产品列表中筛选出多个相似金融产品，其中，所述相似金融产品为所述相似度大于预设阈值的金融产品；

产品推荐模块404，用于根据所述目标用户的用户标签，计算每个所述相似金融产品与所述目标用户的匹配度，将所述匹配度大于预设阈值的相似金融产品在终端输出显示。

其中，所述相似产品查找模块具体包括：

特征提取单元4031，用于根据所述目标产品的产品名称，获取所述目标产品的产品相关信息，以及获取所述目标金融产品列表中每种金融产品的产品相关信息，并对所述产品相关信息进行特征提取，得到所述目标产品的目标产品特征向量和所述目标金融产品列表中每种金融产品的对比产品特征向量；

距离计算单元4032，用于基于欧几里得距离算法，依次计算所述目标产品特征向量与每个对比产品特征向量之间的向量距离；

相似度计算单元4033，用于根据所述目标产品特征向量与每个对比产品特征向量之间的向量距离，计算所述目标产品特征向量与每个对比产品特征向量之间的相似度，并筛选出所述相似度大于预设阈值的多个相似金融产品。

其中，所述产品推荐模块404具体包括：

分量计算单元4041，用于根据所述目标用户的用户标签，计算每个所述相似金融产品与所述目标用户在多个预设维度下的匹配度分量；

加权计算单元4042，用于基于每个预设维度的权重，对所述匹配度分量进行加权求和，得到每个所述相似金融产品与所述目标用户的匹配度；

输出单元4043，用于根据每个所述相似金融产品与所述目标用户的匹配度，将所述匹配度大于预设阈值的相似金融产品在终端输出显示。

本发明实施例中，模块化的设计让基于大数据的金融产品推荐装置各部位的硬件专注于某一功能的实现，最大化实现了硬件的性能，同时模块化的设计也降低了装置的模块之间的耦合性，更加方便维护。

上面图4和图5从模块化功能实体的角度对本发明实施例中的基于大数据的金融产品推荐装置进行详细描述，下面从硬件处理的角度对本发明实施例中计算机设备进行详细描述。

图6是本发明实施例提供的一种计算机设备的结构示意图，该计算机设备600可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(centralprocessing units，CPU)610(例如，一个或一个以上处理器)和存储器620，一个或一个以上存储应用程序633或数据632的存储介质630(例如一个或一个以上海量存储设备)。其中，存储器620和存储介质630可以是短暂存储或持久存储。存储在存储介质630的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对计算机设备600中的一系列指令操作。更进一步地，处理器610可以设置为与存储介质630通信，在计算机设备600上执行存储介质630中的一系列指令操作。

计算机设备600还可以包括一个或一个以上电源640，一个或一个以上有线或无线网络接口650，一个或一个以上输入输出接口660，和/或，一个或一个以上操作系统631，例如Windows Serve，Mac OS X，Unix，Linux，FreeBSD等等。本领域技术人员可以理解，图6示出的计算机设备结构并不构成对计算机设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

本发明还提供一种计算机设备，所述计算机设备包括存储器和处理器，存储器中存储有计算机可读指令，计算机可读指令被处理器执行时，使得处理器执行上述各实施例中的所述基于大数据的金融产品推荐方法的步骤。本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在计算机上运行时，使得计算机执行所述基于大数据的金融产品推荐方法的步骤。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

所述集成的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，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(read-only memory，ROM)、随机存取存储器(random access memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，以上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。

Claims (10)

1.一种基于大数据的金融产品推荐方法，其特征在于，所述基于大数据的金融产品推荐方法包括：

基于预设的渠道划分规则，对金融产品进行渠道分类，得到多个业务渠道的初始金融产品列表，其中，所述初始金融产品列表中包括多个金融产品；

若接收到终端发送的产品推荐请求，则根据所述产品推荐请求中的业务渠道信息，从所述初始金融产品列表中筛选出目标金融产品列表，其中，所述产品推荐请求中还包括目标产品的产品名称和目标用户的用户标签；

根据所述目标产品的产品名称，计算所述目标产品与所述目标金融产品列表中的每种金融产品之间的相似度，并从所述目标金融产品列表中筛选出多个相似金融产品，其中，所述相似金融产品为所述相似度大于预设阈值的金融产品；

根据所述目标用户的用户标签，计算每个所述相似金融产品与所述目标用户的匹配度，将所述匹配度大于预设阈值的相似金融产品在终端输出显示。

2.根据权利要求1所述的基于大数据的金融产品推荐方法，其特征在于，在所述基于预设的渠道划分规则，对金融产品进行渠道分类，得到多个业务渠道的初始金融产品列表之前，还包括：

从预设数据库中获取历史用户数据，并对所述历史用户数据进行聚类分析，得到多个维度的用户分类信息；

基于所述用户分类信息，为每个用户生成相应的用于表示分类信息的用户标签。

3.根据权利要求1所述的基于大数据的金融产品推荐方法，其特征在于，在所述若接收到终端发送的产品推荐请求，则根据所述产品推荐请求中的业务渠道信息，从所述初始金融产品列表中筛选出目标金融产品列表之后，在所述根据所述目标产品的产品信息，计算所述目标产品与所述目标金融产品列表中的每种金融产品之间的相似度，并从所述目标金融产品列表中筛选出多个相似金融产品之前，还包括：

从预设的数据库中获取所述目标用户在所述终端浏览产品时的原始生物信息和原始环境信息；

基于所述原始生物信息和所述原始环境信息，对所述目标用户进行情绪识别，并根据情绪识别的结果，更新所述目标金融产品列表。

4.根据权利要求3所述的基于大数据的金融产品推荐方法，其特征在于，所述原始生物信息和所述原始环境信息中均携带浏览时间戳，所述基于所述原始生物信息和所述原始环境信息，对所述目标用户进行情绪识别，并根据情绪识别的结果，更新所述目标金融产品列表包括：

将所述原始生物信息和所述原始环境信息按照预设时间段拆分，得到多个时间段对应的生物信息集和环境信息集；

计算各个生物信息集和环境信息集中每个因子的平均值，得到各个时间段对应的目标生物信息和目标环境信息；

基于所述目标生物信息和所述目标环境信息进行情绪识别，得到所述目标用户在各个时间段的情绪识别结果。

5.根据权利要求4所述的基于大数据的金融产品推荐方法，其特征在于，所述基于所述目标生物信息和所述目标环境信息进行情绪识别，得到所述目标用户在各个时间段的情绪识别结果包括：

接收用户选择的目标时间段，并对所述目标时间段对应的目标生物信息和目标环境信息进行特征处理，得到所述目标时间段的第一特征序列；

从预设的数据库中获取携带情绪类别标注信息的第一样本集，并基于所述第一样本集确定所述目标时间段的邻域；

从所述目标时间段的邻域中抽取预设数量的样本，并获取每个样本的第二特征序列；

基于所述第一特征序列和所述第二特征序列确定所述目标时间段的目标情绪类别。

6.根据权利要求1所述的基于大数据的金融产品推荐方法，其特征在于，所述根据所述目标产品的产品名称，计算所述目标产品与所述目标金融产品列表中的每种金融产品之间的相似度，并从所述目标金融产品列表中筛选出多个相似金融产品包括：

根据所述目标产品的产品名称，获取所述目标产品的产品相关信息，以及获取所述目标金融产品列表中每种金融产品的产品相关信息，并对所述产品相关信息进行特征提取，得到所述目标产品的目标产品特征向量和所述目标金融产品列表中每种金融产品的对比产品特征向量；

基于欧几里得距离算法，依次计算所述目标产品特征向量与每个对比产品特征向量之间的向量距离；

根据所述目标产品特征向量与每个对比产品特征向量之间的向量距离，计算所述目标产品特征向量与每个对比产品特征向量之间的相似度，并筛选出所述相似度大于预设阈值的多个相似金融产品。

7.根据权利要求1-6中任意一项所述的基于大数据的金融产品推荐方法，其特征在于，所述根据所述目标用户的用户标签，计算每个所述相似金融产品与所述目标用户的匹配度，将所述匹配度大于预设阈值的相似金融产品在终端输出显示包括：

根据所述目标用户的用户标签，计算每个所述相似金融产品与所述目标用户在多个预设维度下的匹配度分量；

基于每个预设维度的权重，对所述匹配度分量进行加权求和，得到每个所述相似金融产品与所述目标用户的匹配度；

根据每个所述相似金融产品与所述目标用户的匹配度，将所述匹配度大于预设阈值的相似金融产品在终端输出显示。

8.一种基于大数据的金融产品推荐装置，其特征在于，所述基于大数据的金融产品推荐装置包括：

渠道分类模块，用于基于预设的渠道划分规则，对金融产品进行渠道分类，得到多个业务渠道的初始金融产品列表，其中，所述初始金融产品列表中包括多个金融产品；

目标产品筛选模块，用于若接收到终端发送的产品推荐请求，则根据所述产品推荐请求中的业务渠道信息，从所述初始金融产品列表中筛选出目标金融产品列表，其中，所述产品推荐请求中还包括目标产品的产品名称和目标用户的用户标签；

相似产品查找模块，用于根据所述目标产品的产品名称，计算所述目标产品与所述目标金融产品列表中的每种金融产品之间的相似度，并从所述目标金融产品列表中筛选出多个相似金融产品，其中，所述相似金融产品为所述相似度大于预设阈值的金融产品；

产品推荐模块，用于根据所述目标用户的用户标签，计算每个所述相似金融产品与所述目标用户的匹配度，将所述匹配度大于预设阈值的相似金融产品在终端输出显示。

9.一种计算机设备，其特征在于，所述计算机设备包括：存储器和至少一个处理器，所述存储器中存储有指令；

所述至少一个处理器调用所述存储器中的所述指令，以使得所述计算机设备执行如权利要求1-7中任意一项所述的基于大数据的金融产品推荐方法。

10.一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指令，其特征在于，所述指令被处理器执行时实现如权利要求1-7中任一项所述的基于大数据的金融产品推荐方法。

Images