CN115375485A - 理财产品推送方法和装置 - Google Patents
理财产品推送方法和装置 Download PDFInfo
- Publication number
- CN115375485A CN115375485A CN202210938718.XA CN202210938718A CN115375485A CN 115375485 A CN115375485 A CN 115375485A CN 202210938718 A CN202210938718 A CN 202210938718A CN 115375485 A CN115375485 A CN 115375485A
- Authority
- CN
- China
- Prior art keywords
- vectors
- vector
- neighbor
- target user
- mutual
- 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
Images
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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明提供了一种理财产品推送方法和装置,特别涉及金融领域,所述方法包括:基于预设的目标用户特征向量、最近邻数量和历史用户特征向量,确定所述目标用户特征向量的多个广义近邻向量和互近邻向量;基于互近邻向量的互近邻数量确定筛选数量和保留数量;将广义近邻向量中除互近邻向量的其他向量作为多个备选向量,分别判断备选向量的筛选数量的第一最近邻向量中互近邻向量的数量是否大于或等于保留数量,若是,将备选向量作为已选向量;基于多个已选向量和互近邻向量对应的待定用户类型,确定目标用户的目标用户类型,基于目标用户类型向目标用户推送理财产品。本发明能够提高理财产品推送的速度和准确性,从而提高理财产品推送效率。
Description
技术领域
本发明涉及产品推送技术领域,特别涉及金融领域,尤其涉及一种理财产品推送方法和装置。
背景技术
现有的理财产品推送方法,主要包括人工推送和基于模型的推送。人工推送主要为工作人员对用户的特性进行研究,确定用户的类型,从而针对用户的类型向用户推送理财产品,但是,人工推送的准确性取决于工作人员的经验,推送准确性有待提高,且人工推送需要耗费大量的时间对用户有关数据进行研究,推送的速度较慢。基于模型的推送主要为使用大量的历史用户数据和对应的用户类型对预设的模型进行训练,并将训练好的模型投入到理财产品推送中,实际推送时,往往将当前用户的数据输入到模型中,使模型对当前用户的类型进行预测,之后再基于模型预测的类型对应地向用户进行理财产品的推送,但是,基于模型的推送需要耗费大量时间和计算资源训练模型,从而导致整体推送的时间较长,速度较慢。综上所述,现有的理财产品推送方法,存在推送速度慢、准确性差,从而导致理财产品推送效率低下的问题,不利于提高理财产品供给方的收入和用户的体验。
发明内容
本发明的一个目的在于提供一种理财产品推送方法,以解决现有技术的理财产品推送速度慢、准确性差,从而导致理财产品推送效率低下的问题。本发明的另一个目的在于提供一种理财产品推送装置。本发明的再一个目的在于提供一种计算机设备。本发明的还一个目的在于提供一种可读介质。本发明的还一个目的在于提供一种计算机程序产品。
为了达到以上目的,本发明的一方面公开了一种理财产品推送方法,所述方法包括:
基于预设的目标用户特征向量、最近邻数量和历史用户特征向量,确定所述目标用户特征向量的多个广义近邻向量和互近邻向量,其中所述广义近邻向量包括所述互近邻向量;基于所述互近邻向量的互近邻数量确定筛选数量和保留数量;其中,所述筛选数量大于所述保留数量;
将所述广义近邻向量中除所述互近邻向量的其他向量作为多个备选向量,分别判断所述备选向量的筛选数量的第一最近邻向量中所述互近邻向量的数量是否大于或等于所述保留数量,若是,将所述备选向量作为已选向量;
基于多个所述已选向量和所述互近邻向量对应的待定用户类型,确定目标用户的目标用户类型,基于所述目标用户类型向目标用户推送理财产品。
可选的,进一步包括:
在基于预设的目标用户特征向量、最近邻数量和历史用户特征向量,确定所述目标用户特征向量的多个广义近邻向量和互近邻向量之前,
将多个历史用户信息进行特征向量化处理,得到对应的所述历史用户特征向量。
可选的,进一步包括:
在基于预设的目标用户特征向量、最近邻数量和历史用户特征向量,确定所述目标用户特征向量的多个广义近邻向量和互近邻向量之前,
将目标用户信息进行特征向量化处理,得到对应的所述目标用户特征向量。
可选的,所述基于预设的目标用户特征向量、最近邻数量和历史用户特征向量,确定所述目标用户特征向量的多个广义近邻向量和互近邻向量,包括:
将所述目标用户特征向量和所述历史用户特征向量进行聚类,得到整体向量集合;
基于所述目标用户特征向量和多个所述历史用户特征向量,分别得到所述目标用户特征向量和所述历史用户特征向量的第一欧式距离以及每个所述历史用户特征向量与整体向量集合中其他向量的第二欧式距离;
将第一欧式距离最近的最近邻数量的多个所述历史用户特征向量作为所述目标用户特征向量的第二最近邻向量;
将每个历史用户特征向量的第二欧式距离最近的最近邻数量的整体向量集合中多个其他向量作为对应所述历史用户特征向量的第三最近邻向量;
将所述第二最近邻向量和所述第三最近邻向量确定为所述目标用户特征向量的广义近邻向量;
将所述广义近邻向量中既为所述第二最近邻向量又为所述第三最近邻向量的向量确定为目标用户特征向量的所述互近邻向量。
可选的,所述基于所述互近邻向量的互近邻数量确定筛选数量和保留数量,包括:
将所述互近邻数量乘以预设的筛选保留系数,得到所述筛选数量;
将所述互近邻数量除以预设的筛选保留系数,得到所述保留数量。
可选的,所述判断所述备选向量的筛选数量的第一最近邻向量中所述互近邻向量的数量是否大于或等于所述保留数量,若是,将所述备选向量作为已选向量,包括:
将所述目标用户特征向量和所述历史用户特征向量进行聚类,得到整体向量集合;
基于所述备选向量和整体向量集合中除所述备选向量的多个其他向量,分别得到所述备选向量和所述整体向量集合中除所述备选向量的多个其他向量的第三欧式距离;
将第三欧式距离最近的筛选数量的所述整体向量集合中除所述备选向量的多个其他向量作为备选向量的多个所述第一最近邻向量;
判断所述第一最近邻向量中包括的所述互近邻向量的数量是否大于或等于所述保留数量,若是,将所述备选向量作为已选向量。
可选的,所述基于多个所述已选向量和所述互近邻向量对应的待定用户类型,确定目标用户的目标用户类型,包括:
将所述已选向量和互近邻向量进行聚类,得到最终向量集合;
基于所述最终向量集合中的最终向量元素对应的待定用户类型,确定所述历史用户类型对应的所述最终向量元素的最终向量元素数量;
将所述最终向量元素数量最大的所述历史用户类型确定为所述目标用户类型。
为了达到以上目的,本发明的另一方面公开了一种理财产品推送装置,所述装置包括:
第一近邻筛选模块,用于基于预设的目标用户特征向量、最近邻数量和历史用户特征向量,确定所述目标用户特征向量的多个广义近邻向量和互近邻向量,其中所述广义近邻向量包括所述互近邻向量;基于所述互近邻向量的互近邻数量确定筛选数量和保留数量;其中,所述筛选数量大于所述保留数量;
第二近邻筛选模块,用于将所述广义近邻向量中除所述互近邻向量的其他向量作为多个备选向量,分别判断所述备选向量的筛选数量的第一最近邻向量中所述互近邻向量的数量是否大于或等于所述保留数量,若是,将所述备选向量作为已选向量;
推送模块,用于基于多个所述已选向量和所述互近邻向量对应的待定用户类型,确定目标用户的目标用户类型,基于所述目标用户类型向目标用户推送理财产品。
本发明还公开了一种计算机设备,包括存储器、处理器以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程序时实现如上所述方法。
本发明还公开了一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现如上所述方法。
本发明还公开了一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上所述方法。
本发明提供的理财产品推送方法和装置,通过基于预设的目标用户特征向量、最近邻数量和历史用户特征向量,确定所述目标用户特征向量的多个广义近邻向量和互近邻向量,其中所述广义近邻向量包括所述互近邻向量,基于所述互近邻向量的互近邻数量确定筛选数量和保留数量,其中,所述筛选数量大于所述保留数量,能够实现通过确定广义近邻向量扩大确定的与目标用户特征向量相关的向量数量和范围,从而更有利于后续步骤中确定足够多的与目标用户特征向量充分相关的已选向量,以间接提高后续步骤中确定目标用户类型的准确性,并充分利用了互近邻向量之间的高度相关性,确定与目标用户特征向量密切相关的互近邻向量作为后续步骤的部分输入以间接提高确定的待定用户类型的准确性,从而间接提高确定目标用户类型的准确性,进而间接提高推送理财产品的准确性,而且,由于筛选数量和保留数量是基于互近邻向量的数量确定的,因此能够使后续步骤中备选向量的数量和已选向量的数量与互近邻向量的数量对应,不会过多也不会过少,从而有利于在提高后续步骤的处理速度的基础上,提供充分的参考样本,以间接提高后续步骤的准确性;通过将所述广义近邻向量中除所述互近邻向量的其他向量作为多个备选向量,分别判断所述备选向量的筛选数量的第一最近邻向量中所述互近邻向量的数量是否大于或等于所述保留数量,若是,将所述备选向量作为已选向量,能够在保留所有与目标用户特征向量密切相关的互近邻向量作为后续步骤确定目标用户类型所需的参考样本的基础上,额外将广义近邻向量中除了互近邻向量以外的其他与互近邻向量之间具有高度相关性的向量也作为后续步骤的参考样本,由于互近邻向量与目标用户特征向量之间本就具有极强的相关性,因此与互近邻向量之间具有高度相关性的向量也与目标用户特征向量之间具有较强的相关性,因此,上述步骤能够在提高后续步骤中确定目标用户类型时所需的参考样本数量的基础上,进一步提高参考样本的准确性,从而大幅度提高基于参考样本确定的目标用户类型的准确性,进而大幅度提高理财产品推送的准确性;通过基于多个所述已选向量和所述互近邻向量对应的待定用户类型,确定目标用户的目标用户类型,基于所述目标用户类型向目标用户推送理财产品,能够实现仅对相关向量对应的类型信息进行处理确定目标用户类型,从而能够实现在确定目标用户类型时无需处理较多数据且无需较多处理步骤,有关处理方式也较为简洁,且本发明的步骤的自动化程度较高,无需过多人工操作,因此能够显著提高确定目标用户类型的速度,进而显著提高理财产品推送的速度。综上所述,本发明提供的理财产品推送方法和装置,能够提高理财产品推送的速度和准确性,从而提高理财产品推送效率,进而有利于提高理财产品供给方的收入和用户的体验。
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。
图1示出了本发明实施例的一种理财产品推送方法的流程示意图;
图2示出了本发明实施例的一种可选的确定广义近邻向量和互近邻向量的步骤示意图;
图3示出了本发明实施例的一种可选的确定筛选数量和保留数量的步骤示意图;
图4示出了本发明实施例的一种可选的确定已选向量的步骤示意图;
图5示出了本发明实施例的一种可选的确定目标用户类型的步骤示意图;
图6示出了本发明实施例的一种理财产品推送装置的模块示意图;
图7示出适于用来实现本发明实施例的计算机设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
关于本文中所使用的“第一”、“第二”、……等,并非特别指称次序或顺位的意思,亦非用以限定本发明,其仅为了区别以相同技术用语描述的元件或操作。
关于本文中所使用的“包含”、“包括”、“具有”、“含有”等等,均为开放性的用语,即意指包含但不限于。
关于本文中所使用的“及/或”,包括所述事物的任一或全部组合。
需要说明的是,本发明技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
本发明实施例公开了一种理财产品推送方法,如图1所示,该方法具体包括如下步骤:
S101:基于预设的目标用户特征向量、最近邻数量和历史用户特征向量,确定所述目标用户特征向量的多个广义近邻向量和互近邻向量,其中所述广义近邻向量包括所述互近邻向量;基于所述互近邻向量的互近邻数量确定筛选数量和保留数量;其中,所述筛选数量大于所述保留数量。
S102:将所述广义近邻向量中除所述互近邻向量的其他向量作为多个备选向量,分别判断所述备选向量的筛选数量的第一最近邻向量中所述互近邻向量的数量是否大于或等于所述保留数量,若是,将所述备选向量作为已选向量。
S103:基于多个所述已选向量和所述互近邻向量对应的待定用户类型,确定目标用户的目标用户类型,基于所述目标用户类型向目标用户推送理财产品。
示例性的,本发明实施例中所涉及的各种距离,其性质可以为但不限于欧式距离。
示例性的,本发明实施例中的历史用户特征向量对应的历史用户类型、待定用户类型和目标用户类型的具体内容和数量,可由本领域技术人员根据实际情况确定,本发明实施例对此并不做出限制。例如,所述历史用户类型,可以包括但不限于“理财意向强”、“理财意向一般”和“理财意向弱”等。对应的,每个待定用户类型的具体内容,与所述历史用户类型之一的内容相同。而所述目标用户类型的具体内容,与所述待定用户类型之一的内容相同。
示例性的,所述基于所述目标用户类型向目标用户推送理财产品的具体实现方式,可由本领域技术人员根据实际情况确定,本发明实施例对此并不做出限制。例如,对于目标用户类型为“理财意向强”的目标用户,通过电话联络的方式向其推送理财产品,对于目标用户类型为“理财意向一般”的目标用户,通过短信通知和应用消息推送的方式向其推送理财产品,对于目标用户类型为“理财意向弱”的目标用户,则不向其推送理财产品。基于所述目标用户类型向目标用户推送理财产品的具体方式,可以为但不限于基于所述目标用户类型确定目标用户的理财意向强度,进而根据所述理财意向强度对应地向目标用户推送理财产品。
示例性的,所述将所述广义近邻向量中除所述互近邻向量的其他向量作为多个备选向量,有如下例子:
存在广义近邻向量A、广义近邻向量B、广义近邻向量C和广义近邻向量D,而广义近邻向量A和广义近邻向量B也是与目标用户特征向量互为近邻的互近邻向量,由此可见,“除所述互近邻向量的其他向量”此时则指广义近邻向量C和广义近邻向量D,因此将广义近邻向量C和广义近邻向量D作为所述备选向量。
需要说明的是,对于将所述广义近邻向量中除所述互近邻向量的其他向量作为多个备选向量的具体实现方式,可由本领域技术人员根据实际情况确定,上述说明仅为举例,对此并不构成限制。
本发明提供的理财产品推送方法和装置,通过基于预设的目标用户特征向量、最近邻数量和历史用户特征向量,确定所述目标用户特征向量的多个广义近邻向量和互近邻向量,其中所述广义近邻向量包括所述互近邻向量,基于所述互近邻向量的互近邻数量确定筛选数量和保留数量,其中,所述筛选数量大于所述保留数量,能够实现通过确定广义近邻向量扩大确定的与目标用户特征向量相关的向量数量和范围,从而更有利于后续步骤中确定足够多的与目标用户特征向量充分相关的已选向量,以间接提高后续步骤中确定目标用户类型的准确性,并充分利用了互近邻向量之间的高度相关性,确定与目标用户特征向量密切相关的互近邻向量作为后续步骤的部分输入以间接提高确定的待定用户类型的准确性,从而间接提高确定目标用户类型的准确性,进而间接提高推送理财产品的准确性,而且,由于筛选数量和保留数量是基于互近邻向量的数量确定的,因此能够使后续步骤中备选向量的数量和已选向量的数量与互近邻向量的数量对应,不会过多也不会过少,从而有利于在提高后续步骤的处理速度的基础上,提供充分的参考样本,以间接提高后续步骤的准确性;通过将所述广义近邻向量中除所述互近邻向量的其他向量作为多个备选向量,分别判断所述备选向量的筛选数量的第一最近邻向量中所述互近邻向量的数量是否大于或等于所述保留数量,若是,将所述备选向量作为已选向量,能够在保留所有与目标用户特征向量密切相关的互近邻向量作为后续步骤确定目标用户类型所需的参考样本的基础上,额外将广义近邻向量中除了互近邻向量以外的其他与互近邻向量之间具有高度相关性的向量也作为后续步骤的参考样本,由于互近邻向量与目标用户特征向量之间本就具有极强的相关性,因此与互近邻向量之间具有高度相关性的向量也与目标用户特征向量之间具有较强的相关性,因此,上述步骤能够在提高后续步骤中确定目标用户类型时所需的参考样本数量的基础上,进一步提高参考样本的准确性,从而大幅度提高基于参考样本确定的目标用户类型的准确性,进而大幅度提高理财产品推送的准确性;通过基于多个所述已选向量和所述互近邻向量对应的待定用户类型,确定目标用户的目标用户类型,基于所述目标用户类型向目标用户推送理财产品,能够实现仅对相关向量对应的类型信息进行处理确定目标用户类型,从而能够实现在确定目标用户类型时无需处理较多数据且无需较多处理步骤,有关处理方式也较为简洁,且本发明的步骤的自动化程度较高,无需过多人工操作,因此能够显著提高确定目标用户类型的速度,进而显著提高理财产品推送的速度。综上所述,本发明提供的理财产品推送方法和装置,能够提高理财产品推送的速度和准确性,从而提高理财产品推送效率,进而有利于提高理财产品供给方的收入和用户的体验。
在一个可选的实施方式中,进一步包括:
在基于预设的目标用户特征向量、最近邻数量和历史用户特征向量,确定所述目标用户特征向量的多个广义近邻向量和互近邻向量之前,
将多个历史用户信息进行特征向量化处理,得到对应的所述历史用户特征向量。
示例性的,所述将多个历史用户信息进行特征向量化处理,得到对应的所述历史用户特征向量,可以为但不限于将历史用户信息中的各属性信息进行对应的格式调整和特征提取,得到对应属性信息的向量元素,再将各个向量元素进行拼接整合得到对应的历史用户特征向量。其中,对于属性信息中属性值为数字的属性信息,在确定向量元素时,可以将作为数字的属性值直接确定为对应的向量元素,或对该属性值进行归一化处理后得到对应的向量元素;而对于属性信息中属性值并不是数字的属性信息(例如,为文字或字符等),在确定向量元素时,可以将属性信息进行数字化处理得到对应的向量化元素,还可以将数字化处理后的产物进行归一化处理得到对应的向量化元素,而所述数字化处理的实现方式,可以为但不限于使用数字化编码(例如,独热编码)算法或对照ASCII码表进行处理。需要说明的是,对于将多个历史用户信息进行特征向量化处理,得到对应的所述历史用户特征向量的具体实现方式,可由本领域技术人员根据实际情况确定,上述说明仅为举例,对此并不构成限制。
通过上述步骤,能够快速准确地使历史用户信息转化为便于参与运算和处理的向量形式,从而使后续步骤进行相关运算和处理时的操作更加简洁,有效地提高了整体理财产品推送的速度。
在一个可选的实施方式中,进一步包括:
在基于预设的目标用户特征向量、最近邻数量和历史用户特征向量,确定所述目标用户特征向量的多个广义近邻向量和互近邻向量之前,
将目标用户信息进行特征向量化处理,得到对应的所述目标用户特征向量。
示例性的,所述将目标用户信息进行特征向量化处理,得到对应的所述目标用户特征向量,可以为但不限于将目标用户信息中的各属性信息进行对应的格式调整和特征提取,得到对应属性信息的向量元素,再将各个向量元素进行拼接整合得到对应的目标用户特征向量。其中,对于属性信息中属性值为数字的属性信息,在确定向量元素时,可以将作为数字的属性值直接确定为对应的向量元素,或对该属性值进行归一化处理后得到对应的向量元素;而对于属性信息中属性值并不是数字的属性信息(例如,为文字或字符等),在确定向量元素时,可以将属性信息进行数字化处理得到对应的向量化元素,还可以将数字化处理后的产物进行归一化处理得到对应的向量化元素,而所述数字化处理的实现方式,可以为但不限于使用数字化编码(例如,独热编码)算法或对照ASCII码表进行处理。需要说明的是,对于将目标用户信息进行特征向量化处理,得到对应的所述目标用户特征向量的具体实现方式,可由本领域技术人员根据实际情况确定,上述说明仅为举例,对此并不构成限制。
通过上述步骤,能够快速准确地使目标用户信息转化为便于参与运算和处理的向量形式,从而使后续步骤进行相关运算和处理时的操作更加简洁,有效地提高了整体理财产品推送的速度。
在一个可选的实施方式中,如图2所示,所述基于预设的目标用户特征向量、最近邻数量和历史用户特征向量,确定所述目标用户特征向量的多个广义近邻向量和互近邻向量,包括如下步骤:
S201:将所述目标用户特征向量和所述历史用户特征向量进行聚类,得到整体向量集合。
S202:基于所述目标用户特征向量和多个所述历史用户特征向量,分别得到所述目标用户特征向量和所述历史用户特征向量的第一欧式距离以及每个所述历史用户特征向量与整体向量集合中其他向量的第二欧式距离。
S203:将第一欧式距离最近的最近邻数量的多个所述历史用户特征向量作为所述目标用户特征向量的第二最近邻向量。
S204:将每个历史用户特征向量的第二欧式距离最近的最近邻数量的整体向量集合中多个其他向量作为对应所述历史用户特征向量的第三最近邻向量。
S205:将所述第二最近邻向量和所述第三最近邻向量确定为所述目标用户特征向量的广义近邻向量。
S206:将所述广义近邻向量中既为所述第二最近邻向量又为所述第三最近邻向量的向量确定为目标用户特征向量的所述互近邻向量。
示例性的,将向量进行聚类得到集合,为本领域常规技术手段,这里不再赘述。其中,所述整体向量集合中包括作为集合元素的目标用户特征向量和多个所述历史用户特征向量。
示例性的,所述第一欧式距离和第二欧式距离的具体求解方式,可以表示为但不限于下式:
其中,所述x和y分别表示需要求二者之间欧式距离的两个目标输入向量,T表示对向量(矩阵)进行转置操作,d(x,y)表示上述两个目标输入向量之间的欧式距离。
示例性的,所述第一欧式距离具体为目标用户特征向量与每个历史用户特征向量之间的欧式距离,目标用户特征向量和一个历史用户特征向量对应一个第一欧式距离。
示例性的,所述每个所述历史用户特征向量与整体向量集合中其他向量的第二欧式距离,具体为每个历史用户特征向量和整体向量集合中除了当前历史用户特征向量以外的其他所有向量之间的欧式距离,两个向量之间对应一个第二欧式距离。其中,所述除了当前历史用户特征向量以外的其他所有向量,既包括其他的历史用户特征向量,还包括目标用户特征向量。例如,整体向量集合中若存在目标用户特征向量A、历史用户特征向量B、历史用户特征向量C,则所述第二欧式距离包括B和A之间的欧式距离、B和C之间的欧式距离以及C和A之间的欧式距离。
示例性的,所述最近邻数量,可由本领域技术人员根据实际情况确定,本发明实施例对此并不做出限制,例如,所述最近邻数量可以为但不限于1至20,优选为5。
示例性的,所述将第一欧式距离最近的最近邻数量的多个所述历史用户特征向量作为所述目标用户特征向量的第二最近邻向量,有如下例子:
有历史用户特征向量A、历史用户特征向量B、历史用户特征向量C、历史用户特征向量D、历史用户特征向量E、历史用户特征向量F、历史用户特征向量G和历史用户特征向量H,且目标用户特征向量与A的第一欧式距离为1,目标用户特征向量与B的第一欧式距离为2,目标用户特征向量与C的第一欧式距离为3,目标用户特征向量与D的第一欧式距离为4,目标用户特征向量与E的第一欧式距离为5,目标用户特征向量与F的第一欧式距离为6,目标用户特征向量与G的第一欧式距离为7,目标用户特征向量与H的第一欧式距离为8,且此时已知最近邻数量为4。由此可知,需要从A、B、C、D、E、F、G和H中选取4个与目标用户特征向量的第一欧式距离最小的历史用户特征向量作为所述目标用户特征向量的所述第二最近邻向量,由此可知,这4个与所述目标用户特征向量的第一欧式距离最小的历史用户特征向量为A、B、C和D,则确定目标用户特征向量的第二最近邻向量为A、B、C和D。
需要说明的是,对于将第一欧式距离最近的最近邻数量的多个所述历史用户特征向量作为所述目标用户特征向量的第二最近邻向量的具体实现方式,可由本领域技术人员根据实际情况确定,上述说明仅为举例,对此并不构成限制。
示例性的,所述将每个历史用户特征向量的第二欧式距离最近的最近邻数量的整体向量集合中多个其他向量作为对应所述历史用户特征向量的第三最近邻向量的具体原理,可以参考上文中对将第一欧式距离最近的最近邻数量的多个所述历史用户特征向量作为所述目标用户特征向量的第二最近邻向量的描述,这里不再赘述。
通过步骤S201至步骤S206,能够以对应的标准欧式距离(也可称为欧氏距离)为依据确定广义近邻向量和互近邻向量,而欧式距离能够充分反映向量之间的相关性和相似度,且计算欧式距离的复杂度较小,因此,上述步骤确定广义近邻向量和互近邻向量的速度较快,且确定的广义近邻向量和互近邻向量的准确性较高,从而提高了后续步骤中基于广义近邻向量和互近邻向量确定目标用户类型的准确性,进而提高了理财产品推送的准确性和速度。
在一个可选的实施方式中,如图3所示,所述基于所述互近邻向量的互近邻数量确定筛选数量和保留数量,包括如下步骤:
S301:将所述互近邻数量乘以预设的筛选保留系数,得到所述筛选数量;
S302:将所述互近邻数量除以预设的筛选保留系数,得到所述保留数量。
示例性的,所述筛选保留系数,可由本领域技术人员根据实际情况确定,本发明实施例对此并不做出限制,例如,所述筛选保留系数可以为但不限于2、2.5、3或3.5等大于1的数,优选为2。
通过上述步骤,能够使保留数量小于筛选数量,从而使后续步骤执行时不会出现逻辑错误,从而有利于整体理财产品推送过程的进行。而且,通过使筛选数量和保留数量额外关联同一筛选保留系数,能够使后续步骤中从备选向量中选取已选向量时,所依据的数量标准之间具有相关性和一致性,从而进一步有利于使后续步骤执行时不会出现逻辑错误,进而进一步有利于整体理财产品推送过程的进行。
在一个可选的实施方式中,如图4所示,所述判断所述备选向量的筛选数量的第一最近邻向量中所述互近邻向量的数量是否大于或等于所述保留数量,若是,将所述备选向量作为已选向量,包括如下步骤:
S401:将所述目标用户特征向量和所述历史用户特征向量进行聚类,得到整体向量集合。
S402:基于所述备选向量和整体向量集合中除所述备选向量的多个其他向量,分别得到所述备选向量和所述整体向量集合中除所述备选向量的多个其他向量的第三欧式距离。
S403:将第三欧式距离最近的筛选数量的所述整体向量集合中除所述备选向量的多个其他向量作为备选向量的多个所述第一最近邻向量。
S404:判断所述第一最近邻向量中包括的所述互近邻向量的数量是否大于或等于所述保留数量,若是,将所述备选向量作为已选向量。
示例性的,将向量进行聚类得到集合,为本领域常规技术手段,这里不再赘述。其中,所述整体向量集合中包括作为集合元素的目标用户特征向量和多个所述历史用户特征向量。
示例性的,所述第三欧式距离的具体求解方式,可以表示为但不限于下式:
其中,所述x和y分别表示需要求二者之间欧式距离的两个目标输入向量,T表示对向量(矩阵)进行转置操作,d(x,y)表示上述两个目标输入向量之间的欧式距离。
示例性的,所述备选向量和所述整体向量集合中除所述备选向量的多个其他向量的第三欧式距离,具体为每个备选向量和整体向量集合中除了当备选以外的其他所有向量之间的欧式距离,两个向量之间对应一个第三欧式距离。例如,整体向量集合中存在备选向量A、备选向量B、其他向量C、其他向量D和其他向量E,则所述第三欧式距离则包括A和C、A和D、A和E、B和C、B和D、B和E之间的欧式距离。
示例性的,所述将第三欧式距离最近的筛选数量的所述整体向量集合中除所述备选向量的多个其他向量作为备选向量的多个所述第一最近邻向量,可以为但不限于对于每个备选向量,将其c个最近邻向量(即c个第三欧式距离最近的向量)作为该备选向量的第一最近邻向量,其中c为筛选数量。例如,在筛选数量为2的条件下,若整体向量集合中存在备选向量A、备选向量B、其他向量C、其他向量D和其他向量E。而A和C的第三欧式距离为1、A和D的第三欧式距离为3、A和E的第三欧式距离为2、B和C的第三欧式距离为5、B和D的第三欧式距离为6、B和E的第三欧式距离为7,则将C和E作为A的第一最近邻向量,并将C和D作为B的第一最近邻向量。需要说明的是,对于将第三欧式距离最近的筛选数量的所述整体向量集合中除所述备选向量的多个其他向量作为备选向量的多个所述第一最近邻向量的具体实现方式,可由本领域技术人员根据实际情况确定,上述说明仅为举例,对此并不构成限制。
示例性的,所述判断所述第一最近邻向量中包括的所述互近邻向量的数量是否大于或等于所述保留数量,若是,将所述备选向量作为已选向量,可以为但不限于对于每个备选向量,分配判断其各自对应的第一最近邻向量中包括的互近邻向量的数量是否大于或等于所述保留数量,若是,将该备选向量作为一个已选向量。
通过步骤S401至步骤S404,能够以充分反映向量间相似度和相关性的欧式距离为依据确定每个备选向量的第一最近邻向量,从而提高了确定第一最近邻向量的准确性,进而提高了确定已选向量的准确性,而且,上述步骤的运算方式较为简洁,时间复杂度低,所以速度较快。因此,上述步骤能够间接提高整体理财产品推送的速度和准确性。
在一个可选的实施方式中,如图5所示,所述基于多个所述已选向量和所述互近邻向量对应的待定用户类型,确定目标用户的目标用户类型,包括如下步骤:
S501:将所述已选向量和互近邻向量进行聚类,得到最终向量集合。
S502:基于所述最终向量集合中的最终向量元素对应的待定用户类型,确定所述历史用户类型对应的所述最终向量元素的最终向量元素数量。
S503:将所述最终向量元素数量最大的所述历史用户类型确定为所述目标用户类型。
示例性的,将向量进行聚类得到集合,为本领域常规技术手段,这里不再赘述。其中,所述最终向量集合中包括作为集合元素的已选向量和多个所述互近邻向量。
示例性的,所述最终向量元素包括已选向量和多个互近邻向量。其中,由于已选向量和互近邻向量均为历史用户特征向量,而历史用户特征向量对应的用户类型是已知的,所以最终向量元素对应的待定用户类型也是已知的。
示例性的,所述基于所述最终向量集合中的最终向量元素对应的待定用户类型,确定所述历史用户类型对应的所述最终向量元素的最终向量元素数量,有如下例子:
有最终向量元素A、最终向量元素B、最终向量元素C、最终向量元素D、最终向量元素E和最终向量元素F,其中,A、B和C对应的用户类型(历史用户的类型,最终向量元素的历史用户类型也即待定用户类型)为“理财意向强”,而D和E对应的用户类型为“理财意向一般”,而F对应的用户类型为“理财意向弱”。由此可见,历史用户类型“理财意向强”对应的最终向量元素数量为3,历史用户类型“理财意向一般”对应的最终向量元素数量为2,历史用户类型“理财意向弱”对应的最终向量元素数量为1。
需要说明的是,基于所述最终向量集合中的最终向量元素对应的待定用户类型,确定所述历史用户类型对应的所述最终向量元素的最终向量元素数量的具体实现方式,可由本领域技术人员根据实际情况确定,上述说明仅为举例,对此并不构成限制。
示例性的,所述将所述最终向量元素数量最大的所述历史用户类型确定为所述目标用户类型,有如下例子:
若历史用户类型“理财意向强”对应的最终向量元素数量为3,历史用户类型“理财意向一般”对应的最终向量元素数量为2,历史用户类型“理财意向弱”对应的最终向量元素数量为1,则最大的最终向量元素数量为3,而最大的最终向量元素数量对应的历史用户类型为“理财意向强”,则将“理财意向强”确定为所述目标用户类型。
需要说明的是,将所述最终向量元素数量最大的所述历史用户类型确定为所述目标用户类型的具体实现方式,可由本领域技术人员根据实际情况确定,上述说明仅为举例,对此并不构成限制。
通过步骤S501至步骤S503,能够基于“取多数”的原则,实现将与目标用户特征向量密切相关且相近的多个向量对应的用户类型中数量最多的用户类型作为目标用户类型,从而使目标用户类型与相关向量的整体类型趋势符合,提高了确定的目标用户类型的准确性,而且,上述步骤涉及的计算和处理过程均较为简洁,时间复杂度较低,因此确定目标用户类型的速度较快。综上所述,上述步骤能够提高确定目标用户类型的准确性和速度,从而提高推送理财产品的准确性。
基于相同原理,本发明实施例公开了一种理财产品推送装置600,如图6所示,该理财产品推送装置600包括:
第一近邻筛选模块601,用于基于预设的目标用户特征向量、最近邻数量和历史用户特征向量,确定所述目标用户特征向量的多个广义近邻向量和互近邻向量,其中所述广义近邻向量包括所述互近邻向量;基于所述互近邻向量的互近邻数量确定筛选数量和保留数量;其中,所述筛选数量大于所述保留数量。
第二近邻筛选模块602,用于将所述广义近邻向量中除所述互近邻向量的其他向量作为多个备选向量,分别判断所述备选向量的筛选数量的第一最近邻向量中所述互近邻向量的数量是否大于或等于所述保留数量,若是,将所述备选向量作为已选向量。
推送模块603,用于基于多个所述已选向量和所述互近邻向量对应的待定用户类型,确定目标用户的目标用户类型,基于所述目标用户类型向目标用户推送理财产品。
在一个可选的实施方式中,进一步包括历史信息向量化模块,用于:
在基于预设的目标用户特征向量、最近邻数量和历史用户特征向量,确定所述目标用户特征向量的多个广义近邻向量和互近邻向量之前,
将多个历史用户信息进行特征向量化处理,得到对应的所述历史用户特征向量。
在一个可选的实施方式中,进一步包括目标信息向量化模块,用于:
在基于预设的目标用户特征向量、最近邻数量和历史用户特征向量,确定所述目标用户特征向量的多个广义近邻向量和互近邻向量之前,
将目标用户信息进行特征向量化处理,得到对应的所述目标用户特征向量。
在一个可选的实施方式中,所述第一近邻筛选模块601,用于:
将所述目标用户特征向量和所述历史用户特征向量进行聚类,得到整体向量集合;
基于所述目标用户特征向量和多个所述历史用户特征向量,分别得到所述目标用户特征向量和所述历史用户特征向量的第一欧式距离以及每个所述历史用户特征向量与整体向量集合中其他向量的第二欧式距离;
将第一欧式距离最近的最近邻数量的多个所述历史用户特征向量作为所述目标用户特征向量的第二最近邻向量;
将每个历史用户特征向量的第二欧式距离最近的最近邻数量的整体向量集合中多个其他向量作为对应所述历史用户特征向量的第三最近邻向量;
将所述第二最近邻向量和所述第三最近邻向量确定为所述目标用户特征向量的广义近邻向量;
将所述广义近邻向量中既为所述第二最近邻向量又为所述第三最近邻向量的向量确定为目标用户特征向量的所述互近邻向量。
在一个可选的实施方式中,所述第一近邻筛选模块601,用于:
将所述互近邻数量乘以预设的筛选保留系数,得到所述筛选数量;
将所述互近邻数量除以预设的筛选保留系数,得到所述保留数量。
在一个可选的实施方式中,所述第二近邻筛选模块602,用于:
将所述目标用户特征向量和所述历史用户特征向量进行聚类,得到整体向量集合;
基于所述备选向量和整体向量集合中除所述备选向量的多个其他向量,分别得到所述备选向量和所述整体向量集合中除所述备选向量的多个其他向量的第三欧式距离;
将第三欧式距离最近的筛选数量的所述整体向量集合中除所述备选向量的多个其他向量作为备选向量的多个所述第一最近邻向量;
判断所述第一最近邻向量中包括的所述互近邻向量的数量是否大于或等于所述保留数量,若是,将所述备选向量作为已选向量。
在一个可选的实施方式中,所述推送模块603,用于:
将所述已选向量和互近邻向量进行聚类,得到最终向量集合;
基于所述最终向量集合中的最终向量元素对应的待定用户类型,确定所述历史用户类型对应的所述最终向量元素的最终向量元素数量;
将所述最终向量元素数量最大的所述历史用户类型确定为所述目标用户类型。
由于该理财产品推送装置600解决问题的原理与以上方法类似,因此本理财产品推送装置600的实施可以参见以上的方法的实施,在此不再赘述。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机设备,具体的,计算机设备例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
在一个典型的实例中计算机设备具体包括存储器、处理器以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程序时实现如上所述方法。
下面参考图7,其示出了适于用来实现本申请实施例的计算机设备700的结构示意图。
如图7所示,计算机设备700包括中央处理单元(CPU)701,其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的工作和处理。在RAM703中,还存储有系统700操作所需的各种程序和数据。CPU701、ROM702、以及RAM703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
以下部件连接至I/O接口705:包括键盘、鼠标等的输入部分706;包括诸如阴极射线管(CRT)、液晶反馈器(LCD)等以及扬声器等的输出部分707;包括硬盘等的存储部分708;以及包括诸如LAN卡,调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器710上,以便于从其上读出的计算机程序根据需要被安装如存储部分708。
特别地,根据本发明的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明的实施例包括一种计算机程序产品,其包括有形地包含在机器可读介质上的计算机程序,所述计算机程序包括用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分709从网络上被下载和安装,和/或从可拆卸介质711被安装。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
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。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请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,本申请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。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (11)
1.一种理财产品推送方法,其特征在于,包括:
基于预设的目标用户特征向量、最近邻数量和历史用户特征向量,确定所述目标用户特征向量的多个广义近邻向量和互近邻向量,其中所述广义近邻向量包括所述互近邻向量;基于所述互近邻向量的互近邻数量确定筛选数量和保留数量;其中,所述筛选数量大于所述保留数量;
将所述广义近邻向量中除所述互近邻向量的其他向量作为多个备选向量,分别判断所述备选向量的筛选数量的第一最近邻向量中所述互近邻向量的数量是否大于或等于所述保留数量,若是,将所述备选向量作为已选向量;
基于多个所述已选向量和所述互近邻向量对应的待定用户类型,确定目标用户的目标用户类型,基于所述目标用户类型向目标用户推送理财产品。
2.根据权利要求1所述的方法,其特征在于,进一步包括:
在基于预设的目标用户特征向量、最近邻数量和历史用户特征向量,确定所述目标用户特征向量的多个广义近邻向量和互近邻向量之前,
将多个历史用户信息进行特征向量化处理,得到对应的所述历史用户特征向量。
3.根据权利要求1所述的方法,其特征在于,进一步包括:
在基于预设的目标用户特征向量、最近邻数量和历史用户特征向量,确定所述目标用户特征向量的多个广义近邻向量和互近邻向量之前,
将目标用户信息进行特征向量化处理,得到对应的所述目标用户特征向量。
4.根据权利要求1所述的方法,其特征在于,所述基于预设的目标用户特征向量、最近邻数量和历史用户特征向量,确定所述目标用户特征向量的多个广义近邻向量和互近邻向量,包括:
将所述目标用户特征向量和所述历史用户特征向量进行聚类,得到整体向量集合;
基于所述目标用户特征向量和多个所述历史用户特征向量,分别得到所述目标用户特征向量和所述历史用户特征向量的第一欧式距离以及每个所述历史用户特征向量与整体向量集合中其他向量的第二欧式距离;
将第一欧式距离最近的最近邻数量的多个所述历史用户特征向量作为所述目标用户特征向量的第二最近邻向量;
将每个历史用户特征向量的第二欧式距离最近的最近邻数量的整体向量集合中多个其他向量作为对应所述历史用户特征向量的第三最近邻向量;
将所述第二最近邻向量和所述第三最近邻向量确定为所述目标用户特征向量的广义近邻向量;
将所述广义近邻向量中既为所述第二最近邻向量又为所述第三最近邻向量的向量确定为目标用户特征向量的所述互近邻向量。
5.根据权利要求1所述的方法,其特征在于,所述基于所述互近邻向量的互近邻数量确定筛选数量和保留数量,包括:
将所述互近邻数量乘以预设的筛选保留系数,得到所述筛选数量;
将所述互近邻数量除以预设的筛选保留系数,得到所述保留数量。
6.根据权利要求1所述的方法,其特征在于,所述判断所述备选向量的筛选数量的第一最近邻向量中所述互近邻向量的数量是否大于或等于所述保留数量,若是,将所述备选向量作为已选向量,包括:
将所述目标用户特征向量和所述历史用户特征向量进行聚类,得到整体向量集合;
基于所述备选向量和整体向量集合中除所述备选向量的多个其他向量,分别得到所述备选向量和所述整体向量集合中除所述备选向量的多个其他向量的第三欧式距离;
将第三欧式距离最近的筛选数量的所述整体向量集合中除所述备选向量的多个其他向量作为备选向量的多个所述第一最近邻向量;
判断所述第一最近邻向量中包括的所述互近邻向量的数量是否大于或等于所述保留数量,若是,将所述备选向量作为已选向量。
7.根据权利要求1所述的方法,其特征在于,所述基于多个所述已选向量和所述互近邻向量对应的待定用户类型,确定目标用户的目标用户类型,包括:
将所述已选向量和互近邻向量进行聚类,得到最终向量集合;
基于所述最终向量集合中的最终向量元素对应的待定用户类型,确定所述历史用户类型对应的所述最终向量元素的最终向量元素数量;
将所述最终向量元素数量最大的所述历史用户类型确定为所述目标用户类型。
8.一种理财产品推送装置,其特征在于,包括:
第一近邻筛选模块,用于基于预设的目标用户特征向量、最近邻数量和历史用户特征向量,确定所述目标用户特征向量的多个广义近邻向量和互近邻向量,其中所述广义近邻向量包括所述互近邻向量;基于所述互近邻向量的互近邻数量确定筛选数量和保留数量;其中,所述筛选数量大于所述保留数量;
第二近邻筛选模块,用于将所述广义近邻向量中除所述互近邻向量的其他向量作为多个备选向量,分别判断所述备选向量的筛选数量的第一最近邻向量中所述互近邻向量的数量是否大于或等于所述保留数量,若是,将所述备选向量作为已选向量;
推送模块,用于基于多个所述已选向量和所述互近邻向量对应的待定用户类型,确定目标用户的目标用户类型,基于所述目标用户类型向目标用户推送理财产品。
9.一种计算机设备,包括存储器、处理器以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程序时实现如权利要求1-7中任一项所述方法。
10.一种计算机可读介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7中任一项所述方法。
11.一种计算机程序产品,其特征在于,所述计算机程序产品包括计算机程序,所述计算机程序被处理器执行时实现权利要求1至7中任一所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210938718.XA CN115375485A (zh) | 2022-08-05 | 2022-08-05 | 理财产品推送方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210938718.XA CN115375485A (zh) | 2022-08-05 | 2022-08-05 | 理财产品推送方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115375485A true CN115375485A (zh) | 2022-11-22 |
Family
ID=84064102
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210938718.XA Pending CN115375485A (zh) | 2022-08-05 | 2022-08-05 | 理财产品推送方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115375485A (zh) |
-
2022
- 2022-08-05 CN CN202210938718.XA patent/CN115375485A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11144817B2 (en) | Device and method for determining convolutional neural network model for database | |
CN110020427B (zh) | 策略确定方法和装置 | |
CN110781971B (zh) | 一种商户类型识别方法、装置、设备和可读介质 | |
CN111522968B (zh) | 知识图谱融合方法及装置 | |
CN109492891B (zh) | 用户流失预测方法及装置 | |
CN110348578A (zh) | 一种安全事件情景推演构建方法、系统、设备及介质 | |
CN112215288A (zh) | 目标企业的类别确定方法及装置、存储介质、电子装置 | |
CN112199513A (zh) | 企业供求关系的确定方法、装置和电子设备 | |
CN110020333A (zh) | 数据分析方法及装置、电子设备、存储介质 | |
CN114281932A (zh) | 工单质检模型的训练方法、装置、设备及存储介质 | |
CN115375485A (zh) | 理财产品推送方法和装置 | |
CN111177093A (zh) | 一种科技资源的共享方法及设备、介质 | |
CN115689740A (zh) | 基于深度学习的交易异常检测方法及装置 | |
CN113239687B (zh) | 一种数据处理方法和装置 | |
CN114139621A (zh) | 确定模型分类性能标识的方法、装置、设备及存储介质 | |
CN115205049A (zh) | 保险产品推送方法和装置 | |
CN111049988A (zh) | 移动设备的亲密度预测方法、系统、设备及存储介质 | |
CN112906723A (zh) | 一种特征选择的方法和装置 | |
CN115526727A (zh) | 理财产品推送方法和装置 | |
CN115374351A (zh) | 影视产品推送方法和装置 | |
CN117851608B (zh) | 案件图谱生成方法、装置、设备和介质 | |
EP4336420A1 (en) | Training data generating program, training data generation method, and information processing apparatus | |
CN115661286A (zh) | 矢量化海图绘制方法、装置及电子设备 | |
CN114936933A (zh) | 基于风险预测支持终端交易方法及装置 | |
CN115409596A (zh) | 票据贴现业务信息推送方法和装置 |
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 |