CN114021031A - 理财产品信息推送方法及装置 - Google Patents
理财产品信息推送方法及装置 Download PDFInfo
- Publication number
- CN114021031A CN114021031A CN202111321168.9A CN202111321168A CN114021031A CN 114021031 A CN114021031 A CN 114021031A CN 202111321168 A CN202111321168 A CN 202111321168A CN 114021031 A CN114021031 A CN 114021031A
- Authority
- CN
- China
- Prior art keywords
- user
- financial product
- similarity
- recommended
- financing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 239000011159 matrix material Substances 0.000 claims abstract description 58
- 238000012545 processing Methods 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000004140 cleaning Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 13
- 238000001914 filtration Methods 0.000 description 12
- 238000004422 calculation algorithm Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 238000007689 inspection Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/06—Asset management; Financial planning or analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Entrepreneurship & Innovation (AREA)
- Artificial Intelligence (AREA)
- Game Theory and Decision Science (AREA)
- Human Resources & Organizations (AREA)
- Evolutionary Computation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种理财产品信息推送方法及装置,涉及金融技术领域,其中该方法包括:获取与待推荐用户的用户相似度大于第一预设阈值的第一用户群体偏好且待推荐用户没有购买过的第一理财产品集合;根据各理财产品集合的理财产品信息与用户信息组成的第二二维矩阵,计算各理财产品集合与待推荐用户偏好的第一理财产品之间的产品相似度,得到与第一理财产品的产品相似度大于第二预设阈值的第二理财产品集合;将第一理财产品集合与第二理财产品集合取交集得到待推荐理财产品集合;向所述待推荐用户推送所述待推荐理财产品集合中的理财产品信息。本发明可以提高银行推送理财产品信息精准度,提升银行推送资源的利用率,提升了用户体验度。
Description
技术领域
本发明涉及金融技术领域,尤其涉及理财产品信息推送方法及装置。
背景技术
本部分旨在为权利要求书中陈述的本发明实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
协同过滤作为目前广泛使用的推荐技术,已应用于银行理财产品在线个性化推荐,发掘用户潜在的购买需求。目前的协同过滤算法主要包括:基于用户的协同过滤算法、基于产品的协同过滤算法,都根据单一的特征进行推荐,例如基于用户的协同过滤算法只根据历史数据计算用户之间的相似度进而推荐理财产品,基于产品的协同过滤算法只根据历史数据计算产品之间的相似度进而推荐理财产品,推荐时的评估因素不够全面准确,导致银行推送理财产品信息精准度较差,造成银行推送资源浪费,用户体验不佳。
发明内容
本发明实施例提供一种理财产品信息推送方法,用以从用户、用户群体之间的相似度、用户偏好的理财产品、理财产品集合之间的相似度协同考虑,为用户确定待推送的理财产品信息,提高银行推送理财产品信息精准度,提升银行推送资源的利用率,该方法包括:
根据各用户群体的用户信息与理财产品信息组成的第一二维矩阵,计算各用户群体与待推荐用户之间的用户相似度,得到与待推荐用户的用户相似度大于第一预设阈值的第一用户群体;
获取第一用户群体偏好且待推荐用户没有购买过的第一理财产品集合;
根据各理财产品集合的理财产品信息与用户信息组成的第二二维矩阵,计算各理财产品集合与待推荐用户偏好的第一理财产品之间的产品相似度,得到与第一理财产品的产品相似度大于第二预设阈值的第二理财产品集合;
将第一理财产品集合与第二理财产品集合取交集得到待推荐理财产品集合;
向所述待推荐用户推送所述待推荐理财产品集合中的理财产品信息。
本发明实施例还提供一种理财产品信息推送装置,用以从用户、用户群体之间的相似度、用户偏好的理财产品、理财产品集合之间的相似度协同考虑,为用户确定待推送的理财产品信息,提高银行推送理财产品信息精准度,提升银行推送资源的利用率,该装置包括:
第一处理模块,用于根据各用户群体的用户信息与理财产品信息组成的第一二维矩阵,计算各用户群体与待推荐用户之间的用户相似度,得到与待推荐用户的用户相似度大于第一预设阈值的第一用户群体;
获取模块,用于获取第一用户群体偏好且待推荐用户没有购买过的第一理财产品集合;
第二处理模块,用于根据各理财产品集合的理财产品信息与用户信息组成的第二二维矩阵,计算各理财产品集合与待推荐用户偏好的第一理财产品之间的产品相似度,得到与第一理财产品的产品相似度大于第二预设阈值的第二理财产品集合;
第三处理模块,用于将第一理财产品集合与第二理财产品集合取交集得到待推荐理财产品集合;
理财产品信息推送模块,用于向所述待推荐用户推送所述待推荐理财产品集合中的理财产品信息。
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理财产品信息推送方法。
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理财产品信息推送方法的计算机程序。
本发明实施例中,根据各用户群体的用户信息与理财产品信息组成的第一二维矩阵计算各用户群体与待推荐用户之间的用户相似度,得到与待推荐用户的用户相似度大于第一预设阈值的第一用户群体;获取第一用户群体偏好且待推荐用户没有购买过的第一理财产品集合;根据各理财产品集合的理财产品信息与用户信息组成的第二二维矩阵,计算各理财产品集合与待推荐用户偏好的第一理财产品之间的产品相似度,得到与第一理财产品的产品相似度大于第二预设阈值的第二理财产品集合;将第一理财产品集合与第二理财产品集合取交集得到待推荐理财产品集合;向所述待推荐用户推送所述待推荐理财产品集合中的理财产品信息。这样,从用户、用户群体之间的相似度、用户偏好的理财产品、理财产品集合之间的相似度协同考虑,为用户确定待推送的理财产品信息,提高银行推送理财产品信息精准度,提升银行推送资源的利用率,提升了用户体验度。
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为本发明实施例中提供的一种理财产品信息推送方法的流程图;
图2为本发明实施例中提供的一种用户信息与理财产品信息组成的第一二维矩阵的示例图;
图3为本发明实施例中提供的一种根据各用户群体的用户信息与理财产品信息组成的二维矩阵,计算各用户群体与待推荐用户之间的用户相似度,得到与待推荐用户的用户相似度大于第一预设阈值的第一用户群体的方法流程图;
图4为本发明实施例中提供的一种理财产品信息与用户信息组成的第二二维矩阵的示例图;
图5为本发明实施例中提供的一种根据各理财产品集合的理财产品信息与用户信息组成的第二二维矩阵,计算各理财产品集合与待推荐用户偏好的第一理财产品之间的产品相似度,得到与第一理财产品的产品相似度大于第二预设阈值的第二理财产品集合的方法流程图;
图6为本发明实施例中提供的一种理财产品信息推送装置的示意图。
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。
本文中术语“和/或”,仅仅是描述一种关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合,例如,包括A、B、C中的至少一种,可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
在本说明书的描述中,所使用的“包含”、“包括”、“具有”、“含有”等,均为开放性的用语,即意指包含但不限于。参考术语“一个实施例”、“一个具体实施例”、“一些实施例”、“例如”等的描述意指结合该实施例或示例描述的具体特征、结构或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。各实施例中涉及的步骤顺序用于示意性说明本申请的实施,其中的步骤顺序不作限定,可根据需要作适当调整。
经研究发现,协同过滤作为目前广泛使用的推荐技术,已应用于银行理财产品在线个性化推荐,发掘用户潜在的购买需求。目前的协同过滤算法主要包括:基于用户的协同过滤算法、基于产品的协同过滤算法,都根据单一的特征进行推荐,例如基于用户的协同过滤算法只根据历史数据计算用户之间的相似度进而推荐理财产品,基于产品的协同过滤算法只根据历史数据计算产品之间的相似度进而推荐理财产品,推荐时的评估因素不够全面准确,导致银行推送理财产品信息精准度较差,造成银行推送资源浪费,用户体验不佳。
针对上述研究,本发明实施例提供一种理财产品信息推送方法,如图1所示,包括:
S101:根据各用户群体的用户信息与理财产品信息组成的第一二维矩阵,计算各用户群体与待推荐用户之间的用户相似度,得到与待推荐用户的用户相似度大于第一预设阈值的第一用户群体;
S102:获取第一用户群体偏好且待推荐用户没有购买过的第一理财产品集合;
S103:根据各理财产品集合的理财产品信息与用户信息组成的第二二维矩阵,计算各理财产品集合与待推荐用户偏好的第一理财产品之间的产品相似度,得到与第一理财产品的产品相似度大于第二预设阈值的第二理财产品集合;
S104:将第一理财产品集合与第二理财产品集合取交集得到待推荐理财产品集合;
S105:向所述待推荐用户推送所述待推荐理财产品集合中的理财产品信息。
本发明实施例中,根据各用户群体的用户信息与理财产品信息组成的第一二维矩阵计算各用户群体与待推荐用户之间的用户相似度,得到与待推荐用户的用户相似度大于第一预设阈值的第一用户群体;获取第一用户群体偏好且待推荐用户没有购买过的第一理财产品集合;根据各理财产品集合的理财产品信息与用户信息组成的第二二维矩阵,计算各理财产品集合与待推荐用户偏好的第一理财产品之间的产品相似度,得到与第一理财产品的产品相似度大于第二预设阈值的第二理财产品集合;将第一理财产品集合与第二理财产品集合取交集得到待推荐理财产品集合;向所述待推荐用户推送所述待推荐理财产品集合中的理财产品信息。这样,从用户、用户群体之间的相似度、用户偏好的理财产品、理财产品集合之间的相似度协同考虑,为用户确定待推送的理财产品信息,提高银行推送理财产品信息精准度,提升银行推送资源的利用率,提升了用户体验度。
下面对上述S101~S105加以详细介绍。
针对上述S101,如图2所示,为本明实施例提供的一种用户信息与理财产品信息组成的第一二维矩阵的示例图,其中,数值“1”代表用户购买过该理财产品,数值“0”代表与用户没有购买过该理财产品,图2中所示的第一二维矩阵代表用户A购买过理财产品1、理财产品2,用户B购买过理财产品3、用户C购买过理财产品1理财产品3。
本发明一实施例中,根据各用户群体的用户信息与理财产品信息组成的第一二维矩阵,计算各用户群体与待推荐用户之间的用户相似度之前,获取各用户群体、以及各理财产品集合的初始用户信息、初始理财产品信息,对初始用户信息、初始理财产品信息进行数据清洗、以及数据预处理,得到各用户群体的用户信息与理财产品信息组成的第一二维矩阵、以及各理财产品集合的理财产品信息与用户信息组成的第二二维矩阵。
此处,数据清洗例如包括:删除重复数据、检查异常数据并删除;数据预处理例如包括:缺失值处理;检查异常数据例如可以采用标准差方法。
如图3所示,为本发明实施例提供的一种根据各用户群体的用户信息与理财产品信息组成的二维矩阵,计算各用户群体与待推荐用户之间的用户相似度,得到与待推荐用户的用户相似度大于第一预设阈值的第一用户群体的方法流程图,包括:
S301:计算待推荐用户与其他用户之间的第一相似度;
S302:根据与待推荐用户的第一相似度大于第三预设阈值的第一用户所在的第二用户群体的第一二维矩阵、待推荐用户所在的第三用户群体的第一二维矩阵,计算第二用户群体与第三用户群体的第一群体相似度;
S303:将第一相似度与第一群体相似度加权求和,得到第二用户群体与待推荐用户之间的用户相似度;
S304:根据每一第二用户群体对应的用户相似度、以及第一预设阈值,从第二用户群体中确定出用户相似度大于第一预设阈值的第一用户群体。
示例性的,要向待推荐用户A推荐理财产品信息,分别计算用户A与其他用户之间的第一相似度,选出与用户A之间第一相似度大于第三预设阈值的用户(例如用户B、用户C、用户D),用户A所在第三用户群体为AA,用户B所在第二用户群体为BB、用户C所在第二用户群体为CC、用户D所在第二用户群体为DD。根据各用户群体的第一二维矩阵分别计算AA与BB的第一群体相似度、AA与CC的第一群体相似度、AA与DD的第一群体相似度。以计算用户A和第二用户群体BB的用户相似度为例,例如用户A和用户B的第一相似度为S1,AA和BB的第一群体相似度例如为Q1,将S1与Q1加权相加,得到用户A和第二用户群体BB的用户相似度。例如若第二用户群体中,BB与用户A的用户相似度大于第一预设阈值,则将第二用户群体BB选择出来作为第一用户群体。
针对上述S102,例如可以采用下述方法获取第一用户群体偏好且待推荐用户没有购买过的第一理财产品集合:获取第一用户群体历史购买的理财产品集合、第一用户群体历史点赞收藏的理财产品集合;将所述历史购买的理财产品集合、以及第一用户群体历史点赞收藏的理财产品集合取并集,得到第一用户群体偏好的理财产品集合;将待推荐用户历史购买的理财产品集合与所述第一用户群体偏好的理财产品集合取交集,得到第一用户群体偏好且待推荐用户购买过的理财产品集合;从所述第一用户群体偏好的理财产品集合中删除所述第一用户群体偏好且待推荐用户购买过的理财产品集合,得到第一理财产品集合。
针对上述S103,如图4所示,为本明实施例提供的一种理财产品信息与用户信息组成的第二二维矩阵的示例图,其中,数值“1”代表理财产品被该用户购买过,数值“0”代表理财产品没有被该用户购买过,图4中所示的第二二维矩阵代表理财产品1被用户A、用户B购买过、理财产品2被用户B购买过,理财产品3被用户B、用户C购买过。
如图5所示,为本发明实施例提供的一种根据各理财产品集合的理财产品信息与用户信息组成的第二二维矩阵,计算各理财产品集合与待推荐用户偏好的第一理财产品之间的产品相似度,得到与第一理财产品的产品相似度大于第二预设阈值的第二理财产品集合的方法流程图,包括:
S501:计算待推荐用户偏好的第一理财产品与其他理财产品之间的第二相似度;
S502:根据与第一理财产品的第二相似度大于第四预设阈值的第二理财产品所在第三理财产品集合的第二二维矩阵、第一理财产品所在的第四理财产品集合的第二二维矩阵,计算第三理财产品集合与第四理财产品集合之间的第二群体相似度;
S503:将第二相似度与第二群体相似度加权求和,得到第三理财产品集合与第一理财产品的产品相似度;
S504:根据每一第三理财产品集合对应的产品相似度、以及第二预设阈值,从第三理财产品中确定出产品相似度大于第二预设阈值的第二理财产品集合。
示例性的,计算待推荐用户A偏好的第一理财产品a和其它理财产品之间的第二相似度,选出与a之间第二相似度大于第四预设阈值的理财产品(例如,理财产品b、理财产品c、理财产品d),a所在第四理财产品集合为aa,b所在第三理财产品集合为bb、c所在第三理财产品集合为cc、d所在第三理财产品集合为dd。根据各理财产品集合的第二二维矩阵分别计算aa与bb的第二群体相似度、aa与cc的第二群体相似度、aa与dd的第二群体相似度,以计算a和bb之间的产品相似度为例,例如a和b的第二相似度为s1,aa和bb的第二群体相似度为q1,将s1与q1加权相加,得到a和bb的产品相似度。例如若第三理财产品集合中,bb与a的产品相似度大于第二预设阈值,则将bb选择出来作为第二理财产品集合。
在得到第一理财产品集合与第二理财产品集合后,执行上述S104~S105。
本发明实施例中还提供了一种理财产品信息推送装置,如下面的实施例所述。由于该装置解决问题的原理与理财产品信息推送方法相似,因此该装置的实施可以参见理财产品信息推送方法的实施,重复之处不再赘述。
如图6所示,为本发明实施例提供的一种理财产品信息推送装置的示意图,包括:第一处理模块601、获取模块602、第二处理模块603、第三处理模块604、以及理财产品信息推送模块605;其中,
第一处理模块601,用于根据各用户群体的用户信息与理财产品信息组成的第一二维矩阵,计算各用户群体与待推荐用户之间的用户相似度,得到与待推荐用户的用户相似度大于第一预设阈值的第一用户群体;
获取模块602,用于获取第一用户群体偏好且待推荐用户没有购买过的第一理财产品集合;
第二处理模块603,用于根据各理财产品集合的理财产品信息与用户信息组成的第二二维矩阵,计算各理财产品集合与待推荐用户偏好的第一理财产品之间的产品相似度,得到与第一理财产品的产品相似度大于第二预设阈值的第二理财产品集合;
第三处理模块604,用于将第一理财产品集合与第二理财产品集合取交集得到待推荐理财产品集合;
理财产品信息推送模块605,用于向所述待推荐用户推送所述待推荐理财产品集合中的理财产品信息。
在一种可能的实施方式中,还包括:数据处理模块,用于获取各用户群体、以及各理财产品集合的初始用户信息、初始理财产品信息,对初始用户信息、初始理财产品信息进行数据清洗、以及数据预处理,得到各用户群体的用户信息与理财产品信息组成的第一二维矩阵、以及各理财产品集合的理财产品信息与用户信息组成的第二二维矩阵。
在一种可能的实施方式中,第一处理模块,具体用于计算待推荐用户与其他用户之间的第一相似度;根据与待推荐用户的第一相似度大于第三预设阈值的第一用户所在的第二用户群体的第一二维矩阵、待推荐用户所在的第三用户群体的第一二维矩阵,计算第二用户群体与第三用户群体的第一群体相似度;将第一相似度与第一群体相似度加权求和,得到第二用户群体与待推荐用户之间的用户相似度;根据每一第二用户群体对应的用户相似度、以及第一预设阈值,从第二用户群体中确定出用户相似度大于第一预设阈值的第一用户群体。
在一种可能的实施方式中,获取模块,具体用于获取第一用户群体历史购买的理财产品集合、第一用户群体历史点赞收藏的理财产品集合;将所述历史购买的理财产品集合、以及第一用户群体历史点赞收藏的理财产品集合取并集,得到第一用户群体偏好的理财产品集合;将待推荐用户历史购买的理财产品集合与所述第一用户群体偏好的理财产品集合取交集,得到第一用户群体偏好且待推荐用户购买过的理财产品集合;从所述第一用户群体偏好的理财产品集合中删除所述第一用户群体偏好且待推荐用户购买过的理财产品集合,得到第一理财产品集合。
在一种可能的实施方式中,第二处理模块,具体用于计算待推荐用户偏好的第一理财产品与其他理财产品之间的第二相似度;根据与第一理财产品的第二相似度大于第四预设阈值的第二理财产品所在第三理财产品集合的第二二维矩阵、第一理财产品所在的第四理财产品集合的第二二维矩阵,计算第三理财产品集合与第四理财产品集合之间的第二群体相似度;将第二相似度与第二群体相似度加权求和,得到第三理财产品集合与第一理财产品的产品相似度;根据每一第三理财产品集合对应的产品相似度、以及第二预设阈值,从第三理财产品中确定出产品相似度大于第二预设阈值的第二理财产品集合。
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理财产品信息推送方法。
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理财产品信息推送方法的计算机程序。
本发明实施例中,根据各用户群体的用户信息与理财产品信息组成的第一二维矩阵计算各用户群体与待推荐用户之间的用户相似度,得到与待推荐用户的用户相似度大于第一预设阈值的第一用户群体;获取第一用户群体偏好且待推荐用户没有购买过的第一理财产品集合;根据各理财产品集合的理财产品信息与用户信息组成的第二二维矩阵,计算各理财产品集合与待推荐用户偏好的第一理财产品之间的产品相似度,得到与第一理财产品的产品相似度大于第二预设阈值的第二理财产品集合;将第一理财产品集合与第二理财产品集合取交集得到待推荐理财产品集合;向所述待推荐用户推送所述待推荐理财产品集合中的理财产品信息。这样,从用户、用户群体之间的相似度、用户偏好的理财产品、理财产品集合之间的相似度协同考虑,为用户确定待推送的理财产品信息,提高银行推送理财产品信息精准度,提升银行推送资源的利用率,提升了用户体验度。
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 (12)
1.一种理财产品信息推送方法,其特征在于,包括:
根据各用户群体的用户信息与理财产品信息组成的第一二维矩阵,计算各用户群体与待推荐用户之间的用户相似度,得到与待推荐用户的用户相似度大于第一预设阈值的第一用户群体;
获取第一用户群体偏好且待推荐用户没有购买过的第一理财产品集合;
根据各理财产品集合的理财产品信息与用户信息组成的第二二维矩阵,计算各理财产品集合与待推荐用户偏好的第一理财产品之间的产品相似度,得到与第一理财产品的产品相似度大于第二预设阈值的第二理财产品集合;
将第一理财产品集合与第二理财产品集合取交集得到待推荐理财产品集合;
向所述待推荐用户推送所述待推荐理财产品集合中的理财产品信息。
2.如权利要求1所述的理财产品信息推送方法,其特征在于,根据各用户群体的用户信息与理财产品信息组成的第一二维矩阵,计算各用户群体与待推荐用户之间的用户相似度之前,还包括:
获取各用户群体、以及各理财产品集合的初始用户信息、初始理财产品信息,对初始用户信息、初始理财产品信息进行数据清洗、以及数据预处理,得到各用户群体的用户信息与理财产品信息组成的第一二维矩阵、以及各理财产品集合的理财产品信息与用户信息组成的第二二维矩阵。
3.如权利要求1所述的理财产品信息推送方法,其特征在于,根据各用户群体的用户信息与理财产品信息组成的二维矩阵,计算各用户群体与待推荐用户之间的用户相似度,得到与待推荐用户的用户相似度大于第一预设阈值的第一用户群体,包括:
计算待推荐用户与其他用户之间的第一相似度;
根据与待推荐用户的第一相似度大于第三预设阈值的第一用户所在的第二用户群体的第一二维矩阵、待推荐用户所在的第三用户群体的第一二维矩阵,计算第二用户群体与第三用户群体的第一群体相似度;
将第一相似度与第一群体相似度加权求和,得到第二用户群体与待推荐用户之间的用户相似度;
根据每一第二用户群体对应的用户相似度、以及第一预设阈值,从第二用户群体中确定出用户相似度大于第一预设阈值的第一用户群体。
4.如权利要求1所述的理财产品信息推送方法,其特征在于,获取第一用户群体偏好且待推荐用户没有购买过的第一理财产品集合,包括:
获取第一用户群体历史购买的理财产品集合、第一用户群体历史点赞收藏的理财产品集合;
将所述历史购买的理财产品集合、以及第一用户群体历史点赞收藏的理财产品集合取并集,得到第一用户群体偏好的理财产品集合;
将待推荐用户历史购买的理财产品集合与所述第一用户群体偏好的理财产品集合取交集,得到第一用户群体偏好且待推荐用户购买过的理财产品集合;
从所述第一用户群体偏好的理财产品集合中删除所述第一用户群体偏好且待推荐用户购买过的理财产品集合,得到第一理财产品集合。
5.如权利要求1所述的理财产品信息推送方法,其特征在于,根据各理财产品集合的理财产品信息与用户信息组成的第二二维矩阵,计算各理财产品集合与待推荐用户偏好的第一理财产品之间的产品相似度,得到与第一理财产品的产品相似度大于第二预设阈值的第二理财产品集合,包括:
计算待推荐用户偏好的第一理财产品与其他理财产品之间的第二相似度;
根据与第一理财产品的第二相似度大于第四预设阈值的第二理财产品所在第三理财产品集合的第二二维矩阵、第一理财产品所在的第四理财产品集合的第二二维矩阵,计算第三理财产品集合与第四理财产品集合之间的第二群体相似度;
将第二相似度与第二群体相似度加权求和,得到第三理财产品集合与第一理财产品的产品相似度;
根据每一第三理财产品集合对应的产品相似度、以及第二预设阈值,从第三理财产品中确定出产品相似度大于第二预设阈值的第二理财产品集合。
6.一种理财产品信息推送装置,其特征在于,包括:
第一处理模块,用于根据各用户群体的用户信息与理财产品信息组成的第一二维矩阵,计算各用户群体与待推荐用户之间的用户相似度,得到与待推荐用户的用户相似度大于第一预设阈值的第一用户群体;
获取模块,用于获取第一用户群体偏好且待推荐用户没有购买过的第一理财产品集合;
第二处理模块,用于根据各理财产品集合的理财产品信息与用户信息组成的第二二维矩阵,计算各理财产品集合与待推荐用户偏好的第一理财产品之间的产品相似度,得到与第一理财产品的产品相似度大于第二预设阈值的第二理财产品集合;
第三处理模块,用于将第一理财产品集合与第二理财产品集合取交集得到待推荐理财产品集合;
理财产品信息推送模块,用于向所述待推荐用户推送所述待推荐理财产品集合中的理财产品信息。
7.如权利要求6所述的理财产品信息推送装置,其特征在于,还包括:数据处理模块,用于获取各用户群体、以及各理财产品集合的初始用户信息、初始理财产品信息,对初始用户信息、初始理财产品信息进行数据清洗、以及数据预处理,得到各用户群体的用户信息与理财产品信息组成的第一二维矩阵、以及各理财产品集合的理财产品信息与用户信息组成的第二二维矩阵。
8.如权利要求6所述的理财产品信息推送装置,其特征在于,第一处理模块,具体用于计算待推荐用户与其他用户之间的第一相似度;
根据与待推荐用户的第一相似度大于第三预设阈值的第一用户所在的第二用户群体的第一二维矩阵、待推荐用户所在的第三用户群体的第一二维矩阵,计算第二用户群体与第三用户群体的第一群体相似度;
将第一相似度与第一群体相似度加权求和,得到第二用户群体与待推荐用户之间的用户相似度;
根据每一第二用户群体对应的用户相似度、以及第一预设阈值,从第二用户群体中确定出用户相似度大于第一预设阈值的第一用户群体。
9.如权利要求6所述的理财产品信息推送装置,其特征在于,获取模块,具体用于获取第一用户群体历史购买的理财产品集合、第一用户群体历史点赞收藏的理财产品集合;
将所述历史购买的理财产品集合、以及第一用户群体历史点赞收藏的理财产品集合取并集,得到第一用户群体偏好的理财产品集合;
将待推荐用户历史购买的理财产品集合与所述第一用户群体偏好的理财产品集合取交集,得到第一用户群体偏好且待推荐用户购买过的理财产品集合;
从所述第一用户群体偏好的理财产品集合中删除所述第一用户群体偏好且待推荐用户购买过的理财产品集合,得到第一理财产品集合。
10.如权利要求6所述的理财产品信息推送装置,其特征在于,第二处理模块,具体用于计算待推荐用户偏好的第一理财产品与其他理财产品之间的第二相似度;
根据与第一理财产品的第二相似度大于第四预设阈值的第二理财产品所在第三理财产品集合的第二二维矩阵、第一理财产品所在的第四理财产品集合的第二二维矩阵,计算第三理财产品集合与第四理财产品集合之间的第二群体相似度;
将第二相似度与第二群体相似度加权求和,得到第三理财产品集合与第一理财产品的产品相似度;
根据每一第三理财产品集合对应的产品相似度、以及第二预设阈值,从第三理财产品中确定出产品相似度大于第二预设阈值的第二理财产品集合。
11.一种计算机设备,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5任一所述方法。
12.一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执行权利要求1至5任一所述方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111321168.9A CN114021031A (zh) | 2021-11-09 | 2021-11-09 | 理财产品信息推送方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111321168.9A CN114021031A (zh) | 2021-11-09 | 2021-11-09 | 理财产品信息推送方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114021031A true CN114021031A (zh) | 2022-02-08 |
Family
ID=80062846
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111321168.9A Pending CN114021031A (zh) | 2021-11-09 | 2021-11-09 | 理财产品信息推送方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114021031A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115171265A (zh) * | 2022-08-01 | 2022-10-11 | 中国工商银行股份有限公司 | 银行排队信息的生成方法、装置及电子设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101329683A (zh) * | 2008-07-25 | 2008-12-24 | 华为技术有限公司 | 推荐系统及方法 |
US20160171539A1 (en) * | 2014-12-12 | 2016-06-16 | Staples, Inc. | Inference-Based Behavioral Personalization and Targeting |
CN109241415A (zh) * | 2018-08-20 | 2019-01-18 | 平安科技(深圳)有限公司 | 项目推荐方法、装置、计算机设备及存储介质 |
CN111353862A (zh) * | 2020-03-30 | 2020-06-30 | 贝壳技术有限公司 | 商品的推荐方法和装置、电子设备和存储介质 |
KR20210032691A (ko) * | 2019-09-17 | 2021-03-25 | 인하공업전문대학산학협력단 | 네트워크 기반 상품 추천 방법 및 장치 |
-
2021
- 2021-11-09 CN CN202111321168.9A patent/CN114021031A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101329683A (zh) * | 2008-07-25 | 2008-12-24 | 华为技术有限公司 | 推荐系统及方法 |
US20160171539A1 (en) * | 2014-12-12 | 2016-06-16 | Staples, Inc. | Inference-Based Behavioral Personalization and Targeting |
CN109241415A (zh) * | 2018-08-20 | 2019-01-18 | 平安科技(深圳)有限公司 | 项目推荐方法、装置、计算机设备及存储介质 |
KR20210032691A (ko) * | 2019-09-17 | 2021-03-25 | 인하공업전문대학산학협력단 | 네트워크 기반 상품 추천 방법 및 장치 |
CN111353862A (zh) * | 2020-03-30 | 2020-06-30 | 贝壳技术有限公司 | 商品的推荐方法和装置、电子设备和存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115171265A (zh) * | 2022-08-01 | 2022-10-11 | 中国工商银行股份有限公司 | 银行排队信息的生成方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110276442B (zh) | 一种神经网络架构的搜索方法及装置 | |
US20200065710A1 (en) | Normalizing text attributes for machine learning models | |
CN105094708B (zh) | 一种磁盘容量的预测方法及装置 | |
EP3279806A1 (en) | Data processing method and apparatus | |
CN113268403A (zh) | 时间序列的分析预测方法、装置、设备及存储介质 | |
CN105205052A (zh) | 一种数据挖掘方法及装置 | |
CN113592036A (zh) | 流量作弊行为识别方法、装置及存储介质和电子设备 | |
CN114021031A (zh) | 理财产品信息推送方法及装置 | |
CN114723145B (zh) | 基于交易量确定智能柜台数量的方法及系统 | |
CN116757783A (zh) | 产品推荐方法及装置 | |
CN114581220B (zh) | 数据处理方法、设备及分布式计算系统 | |
CN109993338B (zh) | 一种链路预测方法及装置 | |
CN107992821B (zh) | 一种图像识别方法及系统 | |
CN115510998A (zh) | 交易异常值检测方法及装置 | |
CN115167965A (zh) | 交易进度条的处理方法及装置 | |
CN108804640B (zh) | 基于最大化iv的数据分组方法、装置、储存介质及设备 | |
CN111291464A (zh) | 一种电力系统动态等值方法及装置 | |
CN117827961B (zh) | 一种基于大数据的国土空间规划方法及相关设备 | |
CN114707884B (zh) | 银行用户忠诚度数据分析方法及装置 | |
CN111159626B (zh) | 微型机器人的磁场值计算方法、装置、设备和存储介质 | |
CN113971588A (zh) | 营销活动推荐方法及装置 | |
CN115082192A (zh) | 基于客户持仓产品的产品推荐方法及装置 | |
CN115829757A (zh) | 理财产品匹配方法及装置 | |
CN115099485A (zh) | 银行网点柜台数量预测方法及装置 | |
CN115129259A (zh) | 一种虚拟缓存盘创建的推荐方法、装置及介质 |
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 |