CN114881723A - 金融产品推荐方法、装置及计算机设备 - Google Patents

Abstract

本申请涉及一种金融产品推荐方法、装置、计算机设备、计算机可读存储介质和计算机程序产品，该方法包括：获取在售产品集以及参考产品；根据产品属性对在售产品集进行划分处理，获得多个子产品集；确定与参考产品匹配的目标子产品集，根据其它子产品集与目标子产品集的条件概率确定其它子产品集与目标子产品集的相似度；根据目标子产品集以及与目标子产品集相似度大于阈值的相似子产品集，构建候选推荐集合；根据预设的推荐条件从候选推荐集合中确定目标用户的推荐金融产品。本申请根据候选推荐集合向目标用户推荐金融产品，其推荐的金融产品更加的精准，进一步使得金融机构的金融产品的推广效果更好。

Description

金融产品推荐方法、装置及计算机设备

技术领域

本申请涉及大数据处理技术领域，特别是涉及一种金融产品推荐方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术

金融机构一般会通过金融APP为客户提供线上业务办理服务，同时，会通过金融APP向用户提供多种不同类型的金融产品，以吸引客户选购。目前金融机构为用户推荐金融产品之前，会通过层次聚类等聚类方法从多种不同类型的金融产品中确定目标金融产品，然后将目标金融产品推荐给目标用户，具体地：通过聚类方法确定待推荐金融产品与用户之前购买过的金融产品的相似度，以根据相似度对用户进行相应金融产品的推荐。

但是，由于用户通过金融机构APP购买金融产品为小概率事件，或者，属于低频事件，通过聚类的算法确定待推荐金融产品与用户之前购买过的金融产品的相似度，并根据相似度对用户进行相应金融产品的推荐，其获得的推荐金融产品精准度较差，进而导致金融产品的推广效果差。

发明内容

本申请提供了一种金融产品推荐方法、装置、计算机设备、计算机可读存储介质和计算机程序产品，基于目标用户已购买过的金融产品与待推荐的金融产品的条件概率确定金融产品的相似度，确定向目标用户推荐的目标金融产品，通过该方法向目标用户进行金融产品的推荐，获得的推荐金融产品更加的精准，推广效果好。

第一方面，本申请提供了一种金融产品推荐方法，该方法包括：

获取在售产品集以及参考产品，所述在售产品集包括金融机构当前在售的所有金融产品；所述参考产品为目标用户历史购买记录的所有金融产品中的任一个金融产品；

根据产品属性对所述在售产品集进行划分处理，获得多个子产品集；确定与所述参考产品匹配的目标子产品集，根据其它子产品集与所述目标子产品集的条件概率确定所述其它子产品集与所述目标子产品集的相似度，所述条件概率表征用户在购买所述目标子产品集中的金融产品的条件下，购买所述其它子产品集中的金融产品的概率；

根据所述目标子产品集以及与所述目标子产品集相似度大于阈值的相似子产品集，构建候选推荐集合；根据预设的推荐条件从所述候选推荐集合中确定所述目标用户的推荐金融产品。

第二方面，本申请还提供了一种金融产品推荐装置，该装置包括：

获取模块，用于获取在售产品集以及参考产品，所述在售产品集包括金融机构当前在售的所有金融产品；所述参考产品为目标用户历史购买记录的所有金融产品中的任一个金融产品；

划分确定模块，用于根据产品属性对所述在售产品集进行划分处理，获得多个子产品集；确定与所述参考产品匹配的目标子产品集，根据其它子产品集与所述目标子产品集的条件概率确定所述其它子产品集与所述目标子产品集的相似度，所述条件概率表征用户在购买所述目标子产品集中的金融产品的条件下，购买所述其它子产品集中的金融产品的概率；

构建确定模块，用于根据所述目标子产品集以及与所述目标子产品集相似度大于阈值的相似子产品集，构建候选推荐集合；根据预设的推荐条件从所述候选推荐集合中确定所述目标用户的推荐金融产品。

第三方面，本申请还提供了一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述任一项的方法的步骤：

第四方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述任一项的方法的步骤。

第五方面，本申请还提供了一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时实现上述任一项的方法的步骤。

本申请提供了一种金融产品推荐方法、装置、计算机设备、计算机可读存储介质和计算机程序产品，该方法包括：获取在售产品集以及参考产品，在售产品集包括金融机构当前在售的所有金融产品；根据产品属性对在售产品集进行划分处理，获得多个子产品集；确定与参考产品匹配的目标子产品集，根据其它子产品集与目标子产品集的条件概率确定其它子产品集与目标子产品集的相似度，条件概率表征用户在购买目标子产品集中的金融产品的条件下，购买其它子产品集中的金融产品的概率；根据目标子产品集以及与目标子产品集相似度大于阈值的相似子产品集，构建候选推荐集合；根据预设的推荐条件从候选推荐集合中确定目标用户的推荐金融产品。本申请提供的金融产品推荐方法，在向目标用户进行金融产品推荐时，首先会将在售的所有金融产品按照产品属性进行分类处理得到多个子产品集，再确定目标用户购买过的金融产品属于哪一子产品集，这样可以先从众多的在售金融产品中获得与目标用户购买过的金融产品的产品属性最为接近的多个金融产品，那么从这多个金融产品中选取金融产品向目标用户推荐，目标用户购买的意愿则会大于其它金融产品的购买意愿；进一步的，为了便于目标用户有更多更好的选择，本申请还根据目标用户购买过的金融产品所属的目标子产品集与其它子产品集的条件概率从其它子产品集中选取与目标子产品的相似度大于阈值的相似子产品集，通过条件概率确定金融产品集之间的相似度，其得到的相似度的差别较大，所以根据条件概率筛选的相似子产品集与目标子产品集的产品属性更加的接近，最后根据目标子产品集和相似子产品集中的金融产品构建候选推荐集合以向目标用户推荐金融产品，其推荐的金融产品更加的精准，进一步使得金融机构的金融产品的推广效果更好。

附图说明

图1为一个实施例中金融产品推荐方法的应用环境图；

图2为一个实施例中金融产品推荐方法的流程示意图；

图3为另一个实施例中金融产品推荐方法的流程示意图；

图4为另一个实施例中金融产品推荐方法的流程示意图；

图5为另一个实施例中金融产品推荐方法的流程示意图；

图6为一个实施例中金融产品推荐装置的结构框图；

图7为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请实施例提供的金融产品推荐方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上，也可以放在云上或其他网络服务器上。终端102通过网络向服务器104发送推荐请求，该推荐请求中可以是携带目标用户的历史购买记录。服务器104根据金融机构目前在售的产品集以及目标用户历史购买记录中的参考产品基于产品属性对在售产品集进行划分处理，获得多个子产品集，然后确定参考产品属于哪一子产品集，将该子产品集确定为目标子产品集，最后，根据其它子产品集与目标子产品集的条件概率，从其它子产品集中筛选出于目标子产品集相似的相似子产品集，最后基于目标子产品集与相似子产品集中的金融产品构建候选推荐集合，并从候选推荐集合中选取金融产品向目标用户进行推荐。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、扫描仪、录音笔和便携式可穿戴设备。便携式可穿戴设备可为智能手表、智能眼镜、智能手环、头戴设备等。服务器104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。

在一个实施例中，如图2所示，提供了一种金融产品推荐方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：

步骤S202，获取在售产品集以及参考产品，在售产品集包括金融机构当前在售的所有金融产品；参考产品为目标用户历史购买记录的所有金融产品中的任一个金融产品。

其中，在售产品集为目前金融机构面向所有用户销售的金融产品，金融产品一般为金融机构推出的理财产品，例如短期理财产品、长期理财产品、黄金、基金等。在售产品集可以是服务器从对应的存储器地址中获得，也可以是从终端中获得，对此不加以限定。参考产品为目标用户通过金融机构的APP购买过的所有金融产品中的任一个金融产品，可以是购买的即将到期的金融产品，也即持仓期限最短的金融产品，例如目标用户今天或者明天即将到期的金融产品作为参考产品。若目标用户没有购买的即将到期的金融产品，那么可以是从目标用户历史购买记录中，选取任一个金融产品，例如，目标用户分别在2021年1月15日购买了一款金融产品、在2021年3月1日购买了一款金融产品、在2021年5月1日购买了一款金融产品、在2021年8月15日购买了一款金融产品，那么可以是将2021年8月15日购买的金融产品作为参考产品。

步骤S204，根据产品属性对在售产品集进行划分处理，获得多个子产品集；确定与参考产品匹配的目标子产品集，根据其它子产品集与目标子产品集的条件概率确定其它子产品集与目标子产品集的相似度，条件概率表征用户在购买目标子产品集中的金融产品的条件下，购买其它子产品集中的金融产品的概率。

其中，产品属性表征金融产品的特性，例如收益率、起购金额、投资周期、风险等级、投资标的、投资风格等，每一个金融产品都有不同的产品属性，可以是根据产品属性对金融机构所有在售产品进行分类，分类的目的是将产品属性相近或者相同的金融产品分成一类，便于后续分析目标用户购买过的参考产品的产品属性。需要说明的是，本申请是按照所有产品属性均为一类的金融产品划分一个产品集的划分标准对所有在售金融产品进行分类，获得多个子产品集，每一个子产品集中可以是包括至少一个金融产品。然后根据参考产品的产品属性，确定参考产品属于哪一子产品集，然后将该子产品集确定为目标子产品集。条件概率表征目标用户在购买了A金融产品的条件下又购买了B金融产品的概率。其中，A金融产品来自目标子产品集，B金融产品来自于除目标子产品集之外的其它子产品集，这样就可以从其它子产品集中筛选出目标用户可能还会购买的金融产品，扩大目标用户的购买选择。条件概率可以是服务器根据目标用户的历史购买记录经过统计获得，还可以是根据条件概率计算公式计算获得，本申请对此不加以限定。

若目标用户购买的M金融产品与A金融产品的产品属性分类相同，那么A金融产品所属的子产品集就为目标子产品集。然后，分别计算目标子产品集其它子产品集的条件概率，获得目标产品集与其它子产品集的相似度。

步骤S206，根据目标子产品集以及与目标子产品集相似度大于阈值的相似子产品集，构建候选推荐集合；根据预设的推荐条件从候选推荐集合中确定目标用户的推荐金融产品。

其中，基于上述获得的目标子产品集以及其它子产品集的条件概率表征目标子产品集与其它子产品集之间的相似度，可以是将条件概率大于阈值的其它子产品集确定为与目标子产品集相似的相似子产品集。相似子产品集是根据条件概率筛选出的，所以可以说明目标用户有购买目标子产品集中金融产品的概率，同时，也有购买相似子产品集中金融产品的概率，只是目标用户购买相似子产品集中金融产品的概率小于购买目标子产品集中金融产品的概率。但是，基于向目标用户推荐更多可能会购买的金融产品的原则，以最大限度的激发目标用户购买金融产品的欲望，所以本申请根据目标子产品集和相似子产品集中的金融产品构建候选推荐集合，并根据预设的推荐条件从候选推荐集合中选择推荐金融产品向目标用户推荐。其中推荐条件例如可以是收益率大于收益率阈值；可以是起购金额小于金额阈值；还可以是投资周期小于周期阈值等，本申请对此不加以限定。

本申请提供了一种金融产品推荐方法，该方法包括：获取在售产品集以及参考产品，在售产品集包括金融机构当前在售的所有金融产品，根据产品属性对在售产品集进行划分处理，获得多个子产品集；确定与参考产品匹配的目标子产品集，根据其它子产品集与目标子产品集的条件概率确定其它子产品集与目标子产品集的相似度，条件概率表征用户在购买目标子产品集中的金融产品的条件下，购买其它子产品集中的金融产品的概率；根据目标子产品集以及与目标子产品集相似度大于阈值的相似子产品集，构建候选推荐集合；根据预设的推荐条件从候选推荐集合中确定目标用户的推荐金融产品。本申请提供的金融产品推荐方法，在向目标用户进行金融产品推荐时，首先会将在售的所有金融产品按照产品属性进行分类处理得到多个子产品集，再确定目标用户购买过的金融产品属于哪一子产品集，这样可以先从众多的在售金融产品中获得与目标用户购买过的金融产品的产品属性最为接近的多个金融产品，那么从这多个金融产品中选取金融产品向目标用户推荐，目标用户购买的意愿则会大于其它金融产品的购买意愿；进一步的，为了便于目标用户有更多更好的选择，本申请还根据目标用户购买过的金融产品所属的目标子产品集与其它子产品集的条件概率从其它子产品集中选取与目标子产品的相似度大于阈值的相似子产品集，通过条件概率确定金融产品集之间的相似度，其得到的相似度的差别较大，所以根据条件概率筛选的相似子产品集与目标子产品集的产品属性更加的接近，最后根据目标子产品集和相似子产品集中的金融产品构建候选推荐集合以向目标用户推荐金融产品，其推荐的金融产品更加的精准，进一步使得金融机构的金融产品的推广效果更好。

在一个实施例中，如图3所示，图3为本申请提供的一种对在售产品集中的金融产品进行划分的一种可选的方法实施例，该方法实施例包括如下步骤：

步骤S302，根据产品属性的分类策略对在售产品集中的每一个金融产品进行分类。

其中，产品属性例如为上述所说的收益率、起购金额、投资周期、风险等级、投资标的、投资风格等。分类策略为每一个产品属性对应的分类策略，例如收益率的分类策略为按照收益率从高到低进行分类，或者按照收益率区间进行分类等；起购金额的分类策略为按照起购金额从高到低进行分类，或者按照起购金额区间进行分类等；在此不一一列举。

步骤S304，根据在售产品集中每一个金融产品的分类结果对在售产品集进行划分处理，获得多个子产品集，子产品集中每一个金融产品的分类结果相同。

其中，针对不同的产品属性，同一金融产品有多个分类结果，然后根据不同金融产品的多个分类结果对在售产品集中的所有兼容产品进行分类，获得多个子产品集，则至少会得到一个子产品集。

示例性的，在售产品集中包括A金融产品、B金融产品、C金融产品、D金融产品、E金融产品、F金融产品、Q金融产品、H金融产品、I金融产品、L金融产品，例如收益率的划分规则为：收益率为1％-2％的产品划分为一个子产品集、收益率为2％-5％的产品划分为一个子产品集、收益率为5％-7％的产品划分为一个子产品集、收益率为7％-11％的产品划分为一个子产品集，A金融产品的收益率为1.2％，B金融产品的收益率为1.8％，C金融产品的收益率为2.2％，D金融产品的收益率为3.2％，E金融产品的收益率为4.4％，F金融产品的收益率为6.2％，Q金融产品的收益率为5.3％，H金融产品的收益率为10.2％，I金融产品的收益率为9.1％，L金融产品的收益率为8.0％。可以是将A金融产品以及B金融产品划分为一个子产品集；C金融产品、D金融产品以及E金融产品划分为一个子产品集；F金融产品以及Q金融产品划分为一个子产品集；H金融产品、I金融产品以及L金融产品划分为一个子产品集。

起购金额划分规则为：起购金额为1000元-1万元的产品划分为一个子产品集、起购金额为1万元-5万元的产品划分为一个子产品集、起购金额为5万元-10万元的产品划分为一个子产品集、起购金额为10万元-50万元的产品划分为一个子产品集；A金融产品的起购金额为2000元，B金融产品的起购金额为5000元，C金融产品的起购金额为2万元，D金融产品的起购金额为5万元，E金融产品的起购金额为4万元，F金融产品的起购金额为9万元，Q金融产品的起购金额为8万元，H金融产品的起购金额为20万元，I金融产品的起购金额为12万元，L金融产品的起购金额为30万元。可以是将A金融产品以及B金融产品划分为一个子产品集；C金融产品、D金融产品以及E金融产品划分为一个子产品集；F金融产品以及Q金融产品划分为一个子产品集；H金融产品、I金融产品以及L金融产品划分为一个子产品集。

投资周期划分规则为：投资周期为1个月-6个月的产品划分为一个子产品集、投资周期为6个月-12个月的产品划分为一个子产品集、投资周期为12个月-24个月的产品划分为一个子产品集、投资周期为24个月-72个月的产品划分为一个子产品集；A金融产品的投资周期为3个月，B金融产品的投资周期为5个月，C金融产品的投资周期为7个月，D金融产品的投资周期为9个月，E金融产品的投资周期为10个月，F金融产品的投资周期为13个月，Q金融产品的投资周期为24个月，H金融产品的投资周期为25个月，I金融产品的投资周期为36个月，L金融产品的投资周期为48个月。可以是将A金融产品以及B金融产品划分为一个子产品集；C金融产品、D金融产品以及E金融产品划分为一个子产品集；F金融产品以及Q金融产品划分为一个子产品集；H金融产品、I金融产品以及L金融产品划分为一个子产品集。

风险等级划分规则为：低风险产品划分为一个子产品集、中风险产品划分为一个子产品集以及高风险产品划分为一个子产品集，A金融产品的风险等级为低风险，B金融产品的风险等级为低风险，C金融产品的风险等级为中风险，D金融产品的风险等级为中风险，E金融产品的风险等级为中风险，F金融产品的风险等级为高风险，Q金融产品的风险等级为高风险，H金融产品的风险等级为高风险，I金融产品的风险等级为高风险，L金融产品的风险等级为高风险。可以是将A金融产品以及B金融产品划分为一个子产品集；C金融产品、D金融产品以及E金融产品划分为一个子产品集；F金融产品、Q金融产品、H金融产品、I金融产品以及L金融产品划分为一个子产品集。

投资标的划分规则为：票据投资类产品划分为一个子产品集、结构性存款和货币基金类产品划分为一个子产品集、证券投资类产品划分为一个子产品集、债券投资类产品划分为一个子产品集。A金融产品为票据投资类产品，B金融产品为票据投资类产品，C金融产品为结构性存款和货币基金类产品，D金融产品为结构性存款和货币基金类产品，E金融产品为结构性存款和货币基金类产品，F金融产品为证券投资类产品，Q金融产品为证券投资类产品，H金融产品为债券投资类产品，I金融产品为债券投资类产品，L金融产品为债券投资类产品。可以是将A金融产品以及B金融产品划分为一个子产品集；C金融产品、D金融产品以及E金融产品划分为一个子产品集；F金融产品以及Q金融产品划分为一个子产品集；H金融产品、I金融产品以及L金融产品划分为一个子产品集。

投资风格的划分规则为：价值优化型产品划分为一个子产品集、稳健成长型产品划分为一个子产品集、积极成长型划分为一个子产品集、增值型划分为一个子产品集。A金融产品为价值优化型产品，B金融产品为价值优化型产品，C金融产品为稳健成长型产品，D金融产品为稳健成长型产品，E金融产品为稳健成长型产品，F金融产品为积极成长型，Q金融产品为积极成长型，H金融产品为增值型，I金融产品为增值型，L金融产品为增值型。可以是将A金融产品以及B金融产品划分为一个子产品集；C金融产品、D金融产品以及E金融产品划分为一个子产品集；F金融产品以及Q金融产品划分为一个子产品集；H金融产品、I金融产品以及L金融产品划分为一个子产品集。

综上，因为A金融产品和B金融产品的所有产品属性划分类别均相同，所以最终将A金融产品和B金融产品划分为第一子产品集；C金融产品、D金融产品以及E金融产品的所有产品属性划分类别均相同，所以最终将C金融产品、D金融产品以及E金融产品划分为第二子产品集；F金融产品以及Q金融产品的所有产品属性划分类别均相同，所以最终将F金融产品以及Q金融产品划分为第三子产品集；H金融产品、I金融产品以及L金融产品的所有产品属性划分类别均相同，所以最终H金融产品、I金融产品以及L金融产品划分为第四子产品集。最终，将在售产品集中的所有在售金融产品划分了4个子产品集。

本申请提供了一种金融产品推荐方法，在获得金融机构目前在售的所有金融产品后，根据产品属性对金融产品进行分类，可以将产品属性相似或者相近的金融产品划分为一类，便于后续确定目标用户购买过的金融产品相似度最大的多个金融产品，以及相似度大于阈值的多个金融产品，使得金融产品的推荐更加具有目的性，也更加的精准。

可选地，确定与参考产品匹配的目标子产品集，包括：

将参考产品的产品属性与多个子产品集的产品属性进行匹配，根据匹配结果确定目标子产品集，目标子产品集中每一个金融产品的产品属性分类结果与参考产品的产品属性分类结果相同。

其中，基于上述步骤对在售产品集进行分类获得多个子产品集后，由于参考产品可以根据目标用户的历史购买记录获得，所以可以确定参考产品的产品属性，例如参考产品的产品属性为：收益率为1％-2％、起购金额为1000元、投资周期为6个月、风险等级为低风险、投资标的为票据投资类产品、投资风格为价值优化型，则可以是将参考产品的各个产品属性与第一产品子集中的每一个金融产品的产品属性进行匹配，与第二子产品集中的每一个金融产品的产品属性进行匹配，与第三子产品集中的每一个金融产品的产品属性进行匹配，以及，与第四子产品集中的每一个金融产品的产品属性进行匹配，确定参考产品的产品属性与第一产品子集中的金融产品的产品属性匹配，所以将第一产品子集确定为目标产品子集。

在一个实施例中，如图4所示，图4为本申请实施例提供的确定条件概率的一种可选的方法实施例，该方法实施例包括如下步骤：

步骤S402，遍历计算其它子产品集中的每一个金融产品与目标子产品集中的每一个金融产品的条件概率；

步骤S404，根据其它子产品集中的每一个金融产品与目标子产品集中的每一个金融产品的条件概率确定其它子产品集与目标子产品集的条件概率。

示例性的，其它子产品集中包括C金融产品、D金融产品、E金融产品、F金融产品、Q金融产品、H金融产品、I金融产品以及L金融产品，目标子产品集中包括A金融产品和B金融产品，那么可以是分别计算A金融产品与C金融产品、D金融产品、E金融产品、F金融产品、Q金融产品、H金融产品、I金融产品以及L金融产品的条件概率，B金融产品与C金融产品、D金融产品、E金融产品、F金融产品、Q金融产品、H金融产品、I金融产品以及L金融产品的条件概率。条件概率的计算方式可以是通过P(A|B)＝P(AB)/P(B)计算获得，在此不做赘述。

由于，第二子产品集中包括C金融产品、D金融产品以及E金融产品；第三子产品集中包括F金融产品以及Q金融产品；第四子产品集中包括H金融产品、I金融产品以及L金融产品，通过上述计算方法获得目标子产品集与第二条子产品集、第三子产品集以及第四子产品集的多个条件概率，可以是将A金融产品与C金融产品、D金融产品、E金融产品以及B金融产品与C金融产品、D金融产品、E金融产品的条件概率通过加法、乘法、加权计算获得目标子产品集与第二子产品集的条件概率；同理，获得目标子产品集与第三子产品集的条件概率以及目标子产品集与第四子产品集的概率。

本申请提供了一种金融产品推荐方法，通过遍历计算其它子产品集与目标子产品集中每一个金融产品的条件概率确定目标子产品集与其它子产品集的条件概率，其确定的条件概率准确，各个其它子产品集与目标子产品集之间的条件概率的差别较大，能够为确定其它子产品集与目标子产品集之间的相似度提供可靠的数据支持。

在一个实施例中，如图5所示，图5为本申请实施例提供的如何构建候选推荐集合的一种可选的方法实施例，该方法实施例包括如下步骤：

步骤S502，对目标子产品集以及相似子产品集中的金融产品按照收益率从高到低的顺序进行排序；

步骤S504，从经过排序后的目标子产品集以及相似子产品集中筛选预定数量的金融产品，获得候选推荐集合。

示例性的，据上可知目标子产品集包括A金融产品和B金融产品，相似子产品集例如为第二子产品集和第三子产品集，对目标子产品集、低二子产品集以及第三子产品集按照收益率从高到低排序为：第三子产品集为：F金融产品、Q金融产品；第二子产品集为：E金融产品、D金融产品、C金融产品；目标子产品集为：B金融产品、A金融产品。预定数量例如为2个，则可以是从第三子产品集中选择F金融产品、Q金融产品，从第二子产品集中选择E金融产品、D金融产品，从目标子产品集中选择B金融产品、A金融产品；根据上述6个金融产品构建候选推荐集合，候选推荐集合包括：F金融产品、Q金融产品、E金融产品、D金融产品、B金融产品、A金融产品。

可选地，预设的推荐条件包括：金融产品在售、收益率高于预设阈值以及金融产品具有剩余购买额度。

其中，基于上述确定得到的候选推荐集合，可以是根据金融产品在售、收益率高于预设阈值以及金融产品具有剩余购买额度这三个推荐条件向目标用户进行金融产品的推荐。

本申请提供了一种金融产品推荐方法，可以是分别从多个不同的子产品集中选择预定数量的金融产品，并按照推荐条件为目标用户推荐金融产品，一方面能够为目标用户推荐对其更加具有吸引力的金融产品，另一方面能够提高金融机构的金融产品的推广效果。

应该理解的是，虽然如上所述的各实施例所涉及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，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些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中的步骤或者阶段的至少一部分轮流或者交替地执行。

基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的金融产品推荐方法的金融产品推荐装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个金融产品推荐装置实施例中的具体限定可以参见上文中对于金融产品推荐方法的限定，在此不再赘述。

在一个实施例中，如图6所示，提供了一种金融产品推荐装置，包括：获取模块602、划分确定模块604和构建确定模块606，其中：

获取模块602，用于获取在售产品集以及参考产品，在售产品集包括金融机构当前在售的所有金融产品；参考产品为目标用户历史购买记录的所有金融产品中的任一个金融产品；

划分确定模块604，用于根据产品属性对在售产品集进行划分处理，获得多个子产品集；确定与参考产品匹配的目标子产品集，根据其它子产品集与目标子产品集的条件概率确定其它子产品集与目标子产品集的相似度，条件概率表征用户在购买目标子产品集中的金融产品的条件下，购买其它子产品集中的金融产品的概率；

构建确定模块606，用于根据目标子产品集以及与目标子产品集相似度大于阈值的相似子产品集，构建候选推荐集合；根据预设的推荐条件从候选推荐集合中确定目标用户的推荐金融产品。

在一个实施例中，上述划分确定模块604，具体用于

根据产品属性的分类策略对在售产品集中的每一个金融产品进行分类；根据在售产品集中每一个金融产品的分类结果对在售产品集进行划分处理，获得多个子产品集，子产品集中每一个金融产品的分类结果相同。

在一个实施例中，上述划分确定模块604，具体用于将参考产品的产品属性与多个子产品集的产品属性进行匹配，根据匹配结果确定目标子产品集，目标子产品集中每一个金融产品的产品属性分类结果与参考产品的产品属性分类结果相同。

在一个实施例中，上述划分确定模块604，具体还用于遍历计算其它子产品集中的每一个金融产品与目标子产品集中的每一个金融产品的条件概率；根据其它子产品集中的每一个金融产品与目标子产品集中的每一个金融产品的条件概率确定其它子产品集与目标子产品集的条件概率。

在一个实施例中，上述构建确定模块606，具体用于对目标子产品集以及相似子产品集中的金融产品按照收益率从高到低的顺序进行排序；从经过排序后的目标子产品集以及相似子产品集中筛选预定数量的金融产品，获得候选推荐集合。

上述金融产品推荐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。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。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和内存储器。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参考产品、金融机构在售金融产品。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以实现一种金融产品推荐方法。

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。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：

获取在售产品集以及参考产品，在售产品集包括金融机构当前在售的所有金融产品；参考产品为目标用户历史购买记录的所有金融产品中的任一个金融产品；

根据产品属性对在售产品集进行划分处理，获得多个子产品集；确定与参考产品匹配的目标子产品集，根据其它子产品集与目标子产品集的条件概率确定其它子产品集与目标子产品集的相似度，条件概率表征用户在购买目标子产品集中的金融产品的条件下，购买其它子产品集中的金融产品的概率；

根据目标子产品集以及与目标子产品集相似度大于阈值的相似子产品集，构建候选推荐集合；根据预设的推荐条件从候选推荐集合中确定目标用户的推荐金融产品。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

根据产品属性的分类策略对在售产品集中的每一个金融产品进行分类；根据在售产品集中每一个金融产品的分类结果对在售产品集进行划分处理，获得多个子产品集，子产品集中每一个金融产品的分类结果相同。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

将参考产品的产品属性与多个子产品集的产品属性进行匹配，根据匹配结果确定目标子产品集，目标子产品集中每一个金融产品的产品属性分类结果与参考产品的产品属性分类结果相同。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

遍历计算其它子产品集中的每一个金融产品与目标子产品集中的每一个金融产品的条件概率；根据其它子产品集中的每一个金融产品与目标子产品集中的每一个金融产品的条件概率确定其它子产品集与目标子产品集的条件概率。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

对目标子产品集以及相似子产品集中的金融产品按照收益率从高到低的顺序进行排序；从经过排序后的目标子产品集以及相似子产品集中筛选预定数量的金融产品，获得候选推荐集合。

在一个实施例中，预设的推荐条件包括：金融产品在售、收益率高于预设阈值以及金融产品具有剩余购买额度。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

获取在售产品集以及参考产品，在售产品集包括金融机构当前在售的所有金融产品；参考产品为目标用户历史购买记录的所有金融产品中的任一个金融产品；

根据产品属性对在售产品集进行划分处理，获得多个子产品集；确定与参考产品匹配的目标子产品集，根据其它子产品集与目标子产品集的条件概率确定其它子产品集与目标子产品集的相似度，条件概率表征用户在购买目标子产品集中的金融产品的条件下，购买其它子产品集中的金融产品的概率；

根据目标子产品集以及与目标子产品集相似度大于阈值的相似子产品集，构建候选推荐集合；根据预设的推荐条件从候选推荐集合中确定目标用户的推荐金融产品。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

根据产品属性的分类策略对在售产品集中的每一个金融产品进行分类；根据在售产品集中每一个金融产品的分类结果对在售产品集进行划分处理，获得多个子产品集，子产品集中每一个金融产品的分类结果相同。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

将参考产品的产品属性与多个子产品集的产品属性进行匹配，根据匹配结果确定目标子产品集，目标子产品集中每一个金融产品的产品属性分类结果与参考产品的产品属性分类结果相同。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

遍历计算其它子产品集中的每一个金融产品与目标子产品集中的每一个金融产品的条件概率；根据其它子产品集中的每一个金融产品与目标子产品集中的每一个金融产品的条件概率确定其它子产品集与目标子产品集的条件概率。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

对目标子产品集以及相似子产品集中的金融产品按照收益率从高到低的顺序进行排序；从经过排序后的目标子产品集以及相似子产品集中筛选预定数量的金融产品，获得候选推荐集合。

在一个实施例中，预设的推荐条件包括：金融产品在售、收益率高于预设阈值以及金融产品具有剩余购买额度。

在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

获取在售产品集以及参考产品，在售产品集包括金融机构当前在售的所有金融产品；参考产品为目标用户历史购买记录的所有金融产品中的任一个金融产品；

根据产品属性对在售产品集进行划分处理，获得多个子产品集；确定与参考产品匹配的目标子产品集，根据其它子产品集与目标子产品集的条件概率确定其它子产品集与目标子产品集的相似度，条件概率表征用户在购买目标子产品集中的金融产品的条件下，购买其它子产品集中的金融产品的概率；

根据目标子产品集以及与目标子产品集相似度大于阈值的相似子产品集，构建候选推荐集合；根据预设的推荐条件从候选推荐集合中确定目标用户的推荐金融产品。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

根据产品属性的分类策略对在售产品集中的每一个金融产品进行分类；根据在售产品集中每一个金融产品的分类结果对在售产品集进行划分处理，获得多个子产品集，子产品集中每一个金融产品的分类结果相同。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

将参考产品的产品属性与多个子产品集的产品属性进行匹配，根据匹配结果确定目标子产品集，目标子产品集中每一个金融产品的产品属性分类结果与参考产品的产品属性分类结果相同。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

遍历计算其它子产品集中的每一个金融产品与目标子产品集中的每一个金融产品的条件概率；根据其它子产品集中的每一个金融产品与目标子产品集中的每一个金融产品的条件概率确定其它子产品集与目标子产品集的条件概率。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

对目标子产品集以及相似子产品集中的金融产品按照收益率从高到低的顺序进行排序；从经过排序后的目标子产品集以及相似子产品集中筛选预定数量的金融产品，获得候选推荐集合。

在一个实施例中，预设的推荐条件包括：金融产品在售、收益率高于预设阈值以及金融产品具有剩余购买额度。

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，的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，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，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (10)

1.一种金融产品推荐方法，其特征在于，所述方法包括：

获取在售产品集以及参考产品，所述在售产品集包括金融机构当前在售的所有金融产品；所述参考产品为目标用户历史购买记录的所有金融产品中的任一个金融产品；

根据产品属性对所述在售产品集进行划分处理，获得多个子产品集；确定与所述参考产品匹配的目标子产品集，根据其它子产品集与所述目标子产品集的条件概率确定所述其它子产品集与所述目标子产品集的相似度，所述条件概率表征用户在购买所述目标子产品集中的金融产品的条件下，购买所述其它子产品集中的金融产品的概率；

根据所述目标子产品集以及与所述目标子产品集相似度大于阈值的相似子产品集，构建候选推荐集合；根据预设的推荐条件从所述候选推荐集合中确定所述目标用户的推荐金融产品。

2.根据权利要求1所述的方法，其特征在于，所述根据产品属性对所述在售产品集进行划分处理，获得多个子产品集，包括：

根据所述产品属性的分类策略对所述在售产品集中的每一个金融产品进行分类；

根据所述在售产品集中每一个金融产品的分类结果对所述在售产品集进行划分处理，获得多个子产品集，所述子产品集中每一个金融产品的分类结果相同。

3.根据权利要求2所述的方法，其特征在于，所述确定与所述参考产品匹配的目标子产品集，包括：

将所述参考产品的产品属性与所述多个子产品集的产品属性进行匹配，根据匹配结果确定所述目标子产品集，所述目标子产品集中每一个金融产品的产品属性分类结果与所述参考产品的产品属性分类结果相同。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

遍历计算所述其它子产品集中的每一个金融产品与所述目标子产品集中的每一个金融产品的条件概率；

根据所述其它子产品集中的每一个金融产品与所述目标子产品集中的每一个金融产品的条件概率确定所述其它子产品集与所述目标子产品集的条件概率。

5.根据权利要求1所述的方法，其特征在于，所述根据所述目标子产品集以及与所述目标子产品集相似度大于阈值的相似子产品集，构建候选推荐集合，包括：

对所述目标子产品集以及所述相似子产品集中的金融产品按照收益率从高到低的顺序进行排序；

从经过排序后的所述目标子产品集以及所述相似子产品集中筛选预定数量的金融产品，获得所述候选推荐集合。

6.根据权利要求1所述的方法，其特征在于，所述预设的推荐条件包括：金融产品在售、收益率高于预设阈值以及金融产品具有剩余购买额度。

7.一种金融产品推荐装置，其特征在于，所述装置包括：

获取模块，用于获取在售产品集以及参考产品，所述在售产品集包括金融机构当前在售的所有金融产品；所述参考产品为目标用户历史购买记录中的所有金融产品中的任一个金融产品；

划分确定模块，用于根据产品属性对所述在售产品集进行划分处理，获得多个子产品集；确定与所述参考产品匹配的目标子产品集，根据其它子产品集与所述目标子产品集的条件概率确定所述其它子产品集与所述目标子产品集的相似度，所述条件概率表征用户在购买所述目标子产品集中的金融产品的条件下，购买所述其它子产品集中的金融产品的概率；

构建确定模块，用于根据所述目标子产品集以及与所述目标子产品集相似度大于阈值的相似子产品集，构建候选推荐集合；根据预设的推荐条件从所述候选推荐集合中确定所述目标用户的推荐金融产品。

8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，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6中任一项所述的方法的步骤。

9.一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，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

10.一种计算机程序产品，包括计算机程序，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6中任一项所述的方法的步骤。

Images