CN116993512A - 一种金融产品的推荐方法、系统、设备及存储介质 - Google Patents

Abstract

本发明实施例公开了一种金融产品的推荐方法、系统、计算机设备及及可读存储介质，涉及数据处理技术领域，包括：获取目标用户的第一关联信息和第二关联信息；在第二关联信息为空的情形下，根据第一关联信息在预设用户画像数据库中确定第一待推荐金融产品；在用户标签为普通用户且第二关联信息不为空的情形下，根据第二关联信息确定第二待推荐金融产品；在用户标签为对公用户且第二关联信息不为空的情形下，根据第二关联信息和预设过滤规则确定第三待推荐金融产品；从第一待推荐金融产品、第二待推荐金融产品或第三待推荐金融产品中确定目标金融产品并推荐给目标用户。本发明能够针对各种类型的用户群体进行精准且个性化的金融产品推荐。

Description

一种金融产品的推荐方法、系统、设备及存储介质

技术领域

本发明涉及数据处理技术领域，尤其涉及一种金融产品的推荐方法、系统、设备及存储介质。

背景技术

产品的精准推荐有助于对资源的合理配置，以银行推荐金融产品为例，于银行端而言，银行准确地推荐金融产品可以实现个性化推荐，以此增加用户黏性、促进业务增长，于用户端而言可以得到正确的选择和指导，以此避免信息过载并做出错误决策，还能够节省时间和精力。显而易见，产品能够被精准推荐给需求用户的重要性不言而喻。

但在常规的金融产品推荐方案中，比较多采用基于用户历史购买记录进行产品推荐，不仅推荐结果单一，并且该部分用户类型多为零售客群，而银行端的对公用户多是通过客户经理作为触客渠道，且对公用户的业务规模大、需求复杂，常规的金融产品推荐方案已不再适用于对公用户的产品推荐。因此，亟需一种金融产品的推荐方法，能够针对各种类型的用户群体进行精准且个性化的金融产品推荐。

发明内容

有鉴于此，本申请的目的之一在于提供一种金融产品的推荐方法、系统、计算机设备及计算机可读存储介质，能够至少解决上述部分技术问题。

第一方面，本申请实施例提供了一种金融产品的推荐方法，方法包括：

获取目标用户的第一关联信息和第二关联信息，其中，所述第一关联信息包括用户特征信息和用户标签，所述第二关联信息包括历史购买信息，所述用户标签包括普通用户和对公用户；

在检测到所述第二关联信息为空的情形下，根据所述用户特征信息和所述用户标签在预设用户画像数据库中确定至少一个第一待推荐金融产品，其中，所述用户画像数据库包括不同类型用户的用户特征信息及与不同类型用户关联的购买产品；

在检测到所述用户标签为所述普通用户，且所述第二关联信息不为空的情形下，根据所述历史购买信息在预设金融产品库中确定至少一个第二待推荐金融产品；

在检测到所述第二关联信息为空的情形下，根据所述用户特征信息和所述用户标签在预设用户画像数据库中确定至少一个第一待推荐金融产品，其中，所述用户画像数据库包括不同用户的用户标签、用户特征信息及与不同用户关联的购买产品；

从至少一个所述第一待推荐金融产品、至少一个所述第二待推荐金融产品，或至少一个所述第三待推荐金融产品中确定预设数量个目标金融产品，并向所述目标用户推荐所述目标金融产品。

在一种可能的实施方式中，所述第二待推荐金融产品包括第一初始金融产品和第二初始金融产品，所述预设金融产品库包括不同的金融产品及对应的金融产品信息，所述根据所述历史购买信息在预设金融产品库中确定至少一个第二待推荐金融产品，包括：

根据所述历史购买信息确定历史购买产品，并获取所述历史购买产品的产品特征信息；

将所述产品特征信息同所述预设金融产品库中的任一金融产品的全部金融产品信息进行比对得到至少一个比对结果，其中，所述比对结果包括比对成功个数的占比，所述产品特征信息和所述金融产品信息均包括用户需求、使用场景、收益支付方式、流动性和风险指标中的至少一种；

基于所述预设金融产品库，将比对成功个数的占比大于或等于预设数值的比对结果对应的金融产品作为所述第一初始金融产品；

从所述预设金融产品库中获取至少一个组合金融产品；

在检测到所述组合金融产品中包含所述历史购买产品的情形下，将所述组合金融产品中除所述历史购买产品以外的其他金融产品作为新的组合金融产品，并将全部新的组合金融产品作为所述第二初始金融产品。

在一种可能的实施方式中，所述将大于或等于预设数值的占比的比对结果所对应的金融产品作为所述第一初始金融产品之后，所述方法还包括：

将各所述第一初始金融产品的所述金融产品信息输入预设的LightGBM模型，得到第一排序表，所述第一排序表用于确定所述第二待推荐金融产品。

在一种可能的实施方式中，所述将全部新的组合金融产品作为所述第二初始金融产品之后，所述方法还包括：

获取各所述新的组合金融产品的支持度和置信度集合，其中，所述支持度用于表示所述新的组合金融产品在所述预设金融产品库中的全部组合金融产品中出现的概率，所述置信度集合包括至少一个置信度，所述置信度用于表示在全部所述新的组合金融产品中购买第一类型金融产品的基础上购买第二类型金融产品的概率，所述第一类型金融产品和所述第二类型金融产品为不同的金融产品；

计算所述置信度集合中全部置信度的置信度和值，并为所述支持度配置第一权重得到支持度评分，为所述置信度和值配置第二权重得到置信度评分；

计算所述支持度评分和所述置信度评分之和得到目标评分；

按全部所述目标评分由高到低的顺序对各所述新的组合金融产品排序，得到第二排序表，所述第二排序表用于确定所述第二待推荐金融产品。

在一种可能的实施方式中，所述获取各所述新的组合金融产品的支持度和置信度集合之后，所述方法还包括：

获取各所述新的组合金融产品的提升度集合，其中，所述提升度集合包括至少一个提升度，所述提升度用于表示购买所述第一类型金融产品和购买所述第二类型金融产品的相关性，每个所述提升度和每个所述置信度存在关联关系；

基于所述关联关系将大于1的提升度所对应的置信度作为目标置信度，所述目标置信度用于计算所述置信度和值。

在一种可能的实施方式中，所述按全部所述目标评分由高到低的顺序对各所述新的组合金融产品排序，得到第二排序表之后，所述方法还包括：

获取所述第一排序表中前预设数量个第一初始金融产品，及所述第二排序表中前预设数量个第二初始金融产品；

将所述前预设数量个第一初始金融产品和所述前预设数量个第二初始金融产品随机排序，得到第三排序表，其中，所述第三排序表中的金融产品为所述第二待推荐金融产品。

在一种可能的实施方式中，所述根据所述历史购买信息和预设过滤规则在所述预设金融产品库中确定至少一个第三待推荐金融产品，包括：

获取所述第二待推荐金融产品的目标收益和风险等级；

将大于或等于预设收益的目标收益，且风险等级小于或等于预设等级的第二待推荐金融产品作为所述第三待推荐金融产品。

第二方面，本申请实施例还提供一种金融产品的推荐系统，所述系统包括：

获取模块，用于获取目标用户的第一关联信息和第二关联信息，其中，所述第一关联信息包括用户特征信息和用户标签，所述第二关联信息包括历史购买信息，所述用户标签包括普通用户和对公用户；

第一检测模块，用于在检测到所述第二关联信息为空的情形下，根据所述用户特征信息和所述用户标签在预设用户画像数据库中确定至少一个第一待推荐金融产品，其中，所述用户画像数据库包括不同用户的用户标签、用户特征信息及与不同用户关联的购买产品；

第二检测模块，用于在检测到所述用户标签为所述普通用户，且所述第二关联信息不为空的情形下，根据所述历史购买信息在预设金融产品库中确定至少一个第二待推荐金融产品；

第三检测模块，用于在检测到所述用户标签为所述对公用户，且所述第二关联信息不为空的情形下，根据所述历史购买信息和预设过滤规则在所述预设金融产品库中确定至少一个第三待推荐金融产品，其中，所述预设过滤规则为所述对公用户的客户经理制定；

确定模块，用于从至少一个所述第一待推荐金融产品、至少一个所述第二待推荐金融产品，或至少一个所述第三待推荐金融产品中确定预设数量个目标金融产品，并向所述目标用户推荐所述目标金融产品。

第三方面，本申请实施例提供了一种计算机设备，计算机设备包括存储器及处理器，存储器上存储有计算机程序，计算机程序在被处理器执行时，实现第一方面提供的金融产品的推荐方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序在被一个或多个处理器执行时，实现第一方面提供的金融产品的推荐方法。

本申请实施例提供的金融产品的推荐方法，可以先获取目标用户的第一关联信息和第二关联信息，其中，第一关联信息包括用户特征信息和用户标签，第二关联信息包括历史购买信息，用户标签包括普通用户和对公用户。然后在检测到第二关联信息为空的情形下，根据用户特征信息和用户标签在预设用户画像数据库中确定至少一个第一待推荐金融产品，其中，用户画像数据库包括不同用户的用户标签、用户特征信息及与不同用户关联的购买产品；在检测到用户标签为普通用户，且第二关联信息不为空的情形下，根据历史购买信息在预设金融产品库中确定至少一个第二待推荐金融产品；在检测到用户标签为对公用户，且第二关联信息不为空的情形下，根据历史购买信息和预设过滤规则在预设金融产品库中确定至少一个第三待推荐金融产品，其中，预设过滤规则为对公用户的客户经理制定；最后从至少一个第一待推荐金融产品、至少一个第二待推荐金融产品，或至少一个第三待推荐金融产品中确定预设数量个目标金融产品，并向目标用户推荐目标金融产品，能够针对各种类型的用户群体进行精准且个性化的金融产品推荐。

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，应当理解，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为本申请实施例提供的一种金融产品的推荐方法的流程图；

图2为本申请提供的一种金融产品的推荐系统的功能模块示意图；

图3为本申请实施例提供的一种计算机设备内部结构图。

附图标记说明：

金融产品的推荐系统200，获取模块210，第一检测模块220，第二检测模块230，第三检测模块240，确定模块250。

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作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。

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

在本申请的各种实施例汇中，表述“或”或“A或/和B中的至少一个”包括同时列出的文字的任何组合或所有组合。例如，表述“A或B”或“A或/和B中的至少一个”可包括A、可包括B或可包括A和B二者。

在本申请的描述中，需要说明的是，若出现术语“上”、“下”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。

此外，若出现术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

需要说明的是，在不冲突的情况下，本申请的实施例中的特征可以相互结合。

请参见图1，图1为本申请实施例提供的一种金融产品的推荐方法的流程图，以下将对该方法的各个步骤进行详细阐述。

S110，获取目标用户的第一关联信息和第二关联信息，其中，所述第一关联信息包括用户特征信息和用户标签，所述第二关联信息包括历史购买信息，所述用户标签包括普通用户和对公用户。

在本实施例中：

目标用户为待推荐金融产品的用户，可以将通过银行网页或银行APP注册账号并产生浏览或点击操作的用户作为目标用户。金融产品包括信用卡、贷款产品如个人贷款、住房贷款和汽车贷款、投资产品如股票、债券和基金，以及保险产品如人寿保险、健康保险盒车辆保险，尽管处于说明的目的示出了部分可以用于推荐的金融产品，但是可以根据银行需要推出更多的可以用于推荐的金融产品，此处不做限定。

在一些实施例中，考虑到银行端通过网页端或APP端向目标用户推荐金融产品而银行端的服务器造成较大的数据处理压力，可以对用户进行筛选，以提高目标用户的有效性，可以理解为筛选出对金融产品有真实需求的用户为目标用户，进而减轻向全部浏览用户推荐金融产品而导致的服务器端的数据处理压力。具体的，可以将在银行的网页端或APP端浏览时间超过预设时长，或点击次数超过预设次数的用户作为目标用户。

第一关联信息和第二关联信息均为与目标用户有直接或间接关联的信息，可以通过下述实施例中的计算机设备获取。具体的，第一关联信息中的用户特征信息可以包括个人基本信息如姓名、年龄、性别、所在地等、兴趣爱好、工作信息等，第一关联信息中的用户标签可以用于表征目标用户的用户类型，针对不同类型的目标用户推荐金融产品的推荐机制可以不同，其中，用户类型一般包括普通不用和对公用户。其中，用户标签的组合方式包括数字、字母、字符中的至少一种，此处不做限定。第二关联信息中的历史购买信息包括详细的历史购买记录如购买时间及购买的金融产品名称。

在一些实施例中，历史购买信息中可以仅包括购买时间及购买的金融产品的名称，购买的金融产品的产品信息如类别、品牌、价格、功能等可以根据购买的金融产品的名称在预存的金融产品信息表中查询得到。

在一些实施例中，历史购买信息中可以包括详细的购买的金融产品的产品信息如类别、品牌、价格、功能等，无需通过预存的金融产品信息表查询产品信息，能够提高查询产品信息的速度。

S120，在检测到第二关联信息为空的情形下，根据用户特征信息和用户标签在预设用户画像数据库中确定至少一个第一待推荐金融产品，其中，用户画像数据库包括不同用户的用户标签、用户特征信息及与不同用户关联的购买产品。

在本实施例中，检测到第二关联信息为空，则可以表示目标用户的历史购买信息为空，也即目标用户未在银行购买过金融产品，此时的目标用户为新用户，可以对第一关联信息进行分析确定第一待推荐金融产品。

具体的，预设用户画像数据库可以基于银行的数据库中的历史购买用户信息形成，包括上述实施例中的用户标签、用户特征信息，以及不同用户关联的购买产品，可以先通过目标用户的用户标签在预设用户画像数据库中确定相似用户画像，接着可以将相似用户画像中的购买产品作为第一待推荐金融产品。

在一些实施例中，可将目标用户的用户特征信息同预设用户画像数据库中的每一个用户画像中的用户特征信息进行比对，并将比对成功个数大于或等于预设数值的用户画像作为相似用户画像，其中，比对成功可以理解为比对双方的用户特征信息相同，进而实现了根据用户特征信息做出的个性化推荐方案。

S130，在检测到所述用户标签为所述普通用户，且所述第二关联信息不为空的情形下，根据所述历史购买信息在预设金融产品库中确定至少一个第二待推荐金融产品。

在本实施例中，第二关联信息不为空可以表示目标用户为购买过银行的金融产品的用户，可以视作老用户。预设金融产品库可以包括银行推出或购买过的全部金融产品，并且存储有每个金融产品对应的产品信息，通过目标用户对应的历史购买信息中的产品名称或其他产品信息可以在预设金融产品库中确定至少一个相似产品，可以将相似产品作为第二待推荐金融产品。

在一些实施例中，确定至少一个相似产品的方式包括：将历史购买信息中的产品信息同预设金融产品库中的金融产品的产品信息进行比对，并将比对成功个数超过预设数值的金融产品作为相似产品，其中，比对成功可以理解为比对双方的产品信息相同。

在一种可能的实施方式中，第二待推荐金融产品包括第一初始金融产品和第二初始金融产品，预设金融产品库包括不同的金融产品及对应的金融产品信息，根据历史购买信息在预设金融产品库中确定至少一个第二待推荐金融产品，包括：

根据历史购买信息确定历史购买产品，并获取历史购买产品的产品特征信息；

将产品特征信息同预设金融产品库中的任一金融产品的全部金融产品信息进行比对得到至少一个比对结果，其中，比对结果包括比对成功个数的占比，产品特征信息和金融产品信息均包括用户需求、使用场景、收益支付方式、流动性和风险指标中的至少一种；

基于预设金融产品库，将比对成功个数的占比大于或等于预设数值的比对结果对应的金融产品作为第一初始金融产品；

从预设金融产品库中获取至少一个组合金融产品；

在检测到组合金融产品中包含历史购买产品的情形下，将组合金融产品中除历史购买产品以外的其他金融产品作为新的组合金融产品，并将全部新的组合金融产品作为第二初始金融产品。

在本实施例中，第一初始金融产品是以单个产品的形式展现，第二初始金融产品是以产品组的形式展现，预设金融产品库中的金融产品信息和历史购买产品的产品特征信息表达不同，但是均用于表示产品信息。比对成功可以参见上述实施例中的解释，此处不再赘述。本实施例通过占比和预设数值进行比较的方式和上述实施例中将比对成功个数和预设数值进行比较的方式在实质上是相同的。

预设金融产品库中的金融产品也分为单个产品和产品组，第二初始产品可以理解为产品组。示例性的，若目标用户的历史购买产品为A，在预设金融产品库中有两个产品组合中包括产品A，其中一个产品组合的其他产品为B和产品C，另一个产品组合的其他产品为D产品和E产品，则可以将包括产品B和产品C的新的组合金融产品，以及包括D产品和E产品的新的组合金融产品作为第二初始金融产品。

S140，在检测到所述用户标签为所述对公用户，且所述第二关联信息不为空的情形下，根据所述历史购买信息和预设过滤规则在所述预设金融产品库中确定至少一个第三待推荐金融产品，其中，所述预设过滤规则为与所述对公用户对接的客户经理制定。

与上述实施例不同的是，本实施例中检测到的目标用户为对公用户，而考虑到银行的对公用户是通过客户经理作为触客渠道的，通过历史购买信息和客户经理制定的预设过滤规则能够确定出与对公用户关联性高的金融产品，进而提高推荐金融产品的准确性。

在一种可能的实施方式中，根据历史购买信息和预设过滤规则在预设金融产品库中确定至少一个第三待推荐金融产品，包括：

获取第二待推荐金融产品的目标收益和风险等级；

将大于或等于预设收益的目标收益，且风险等级小于或等于预设等级的第二待推荐金融产品作为第三待推荐金融产品。

具体的，在确定第二待推荐金融产品后，可以通过获取第二待推荐金融产品的目标收益和风险等级，进而同预设收益和预设等级进行比对，以确定第三待推荐金融产品。考虑到客户经理和对公用户之间沟通较多，能够明确对公用户的金融产品需求，通过客户经理指定的预设过滤规则能够实现对第二待推荐金融产品的过滤，得到与对公用户适配度高的第三待推荐金融产品。

S150，从至少一个所述第一待推荐金融产品、至少一个所述第二待推荐金融产品，或至少一个所述第三待推荐金融产品中确定预设数量个目标金融产品，并向所述目标用户推荐所述目标金融产品。

在上述实施例确定针对不同类型用户的第一待推荐金融产品、第二待推荐金融产品以及第三待推荐金融产品后，考虑到一次性向目标用户推荐的金融产品不宜过多，需要在分别推荐上述三种待推荐金融产品时进行适当的过滤，具体可以通过限定预设数量来实现。

以推荐第一待推荐金融产品为例，一次性向目标用户推荐3款第一待推荐金融产品，预设数量为3，存在以下两种情形：

情形一：第一待推荐金融产品的数量大于3，在第一待推荐金融产品中选取3款金融产品。

情形二：第一待推荐金融产品的数量小于3，此时，第一待推荐金融产品包括1款或2款金融产品，而因数量不够用于推荐的金融产品可以从金融产品热销榜中的前1名或前2名选取。其中，金融产品热销榜为根据全部金融产品实时销售数量生成的，金融产品热销榜并非是固定不变的。

通过将不够推荐数量的金融产品从金融产品热销榜中选取并作为补充推荐的方式，能够保证推荐的目标金融产品的综合表现好，避免了向目标用户推荐冷门金融产品而影响目标用户体验，进而导致用户流失的情形。

由上述分析可知，本申请实施例提供的金融产品的推荐方法，可以先获取目标用户的第一关联信息和第二关联信息，其中，第一关联信息包括用户特征信息和用户标签，第二关联信息包括历史购买信息，用户标签包括普通用户和对公用户。然后在检测到第二关联信息为空的情形下，根据用户特征信息和用户标签在预设用户画像数据库中确定至少一个第一待推荐金融产品，其中，用户画像数据库包括不同用户的用户标签、用户特征信息及与不同用户关联的购买产品；在检测到用户标签为普通用户，且第二关联信息不为空的情形下，根据历史购买信息在预设金融产品库中确定至少一个第二待推荐金融产品；在检测到用户标签为对公用户，且第二关联信息不为空的情形下，根据历史购买信息和预设过滤规则在预设金融产品库中确定至少一个第三待推荐金融产品，其中，预设过滤规则为对公用户的客户经理制定；最后从至少一个第一待推荐金融产品、至少一个第二待推荐金融产品，或至少一个第三待推荐金融产品中确定预设数量个目标金融产品，并向目标用户推荐目标金融产品，能够针对各种类型的用户群体进行精准且个性化的金融产品推荐。

考虑到需要从第一初始金融产品、第二初始金融产品，或第三初始金融产品中确定预设数量个目标金融产品，若随机选取预设数量个目标金融产品，则存在推荐的目标金融产品和目标用户匹配度低的情形。

在一种可能的实施方式中，将大于或等于预设数值的占比的比对结果所对应的金融产品作为第一初始金融产品之后，方法还包括：

将各第一初始金融产品的金融产品信息输入预设的LightGBM模型，得到第一排序表，第一排序表用于确定第二待推荐金融产品。

在本实施例中，可以通过LightGBM模型实现对第一初始金融产品的排序，具体的，可以将最先确定来的前5个第一初始金融产品作为负例，将目标用户的历史购买金融产品作为正例，然后将第一初始金融产品的金融产品信息输入预设的LightGBM模型中，可得到第一排序表。其中，LightGBM模型实现排序的具体原理可参考常规LightGBM模型的实现过程，此处不再详细说明。

通过生成第一排序表，可以理解为将全部第一初始金融产品进行了关联排序，排在前面的第一初始金融产品和目标用户之间的关联性更好，会被优先选做第二待推荐金融产品，进而确定目标金融产品并推荐给目标用户，提高金融产品推荐的准确性。

在一种可能的实施方式中，将全部新的组合金融产品作为第二初始金融产品之后，方法还包括：

获取各新的组合金融产品的支持度和置信度集合，其中，支持度用于表示新的组合金融产品在预设金融产品库中的全部组合金融产品中出现的概率，置信度集合包括至少一个置信度，置信度用于表示在全部新的组合金融产品中购买第一类型金融产品的基础上购买第二类型金融产品的概率，第一类型金融产品和第二类型金融产品为不同的金融产品；

计算置信度集合中全部置信度的置信度和值，并为支持度配置第一权重得到支持度评分，为置信度和值配置第二权重得到置信度评分；

计算支持度评分和置信度评分之和得到目标评分；

按全部目标评分由高到低的顺序对各新的组合金融产品排序，得到第二排序表，第二排序表用于确定第二待推荐金融产品。

上述实施例中通过LightGBM模型实现了对全部第一初始金融产品的排序，而在本实施例中，可以计算出全部新的组合金融产品的支持度和置信度集合，基于全部的支持度和置信度集合生成第二排序表，实现对第二初始金融产品的排序，同样的，第二排序表中排在前面的第二初始金融产品和目标用户之间的关联性更好，会被优先选做第二待推荐金融产品，进而确定目标金融产品并推荐给目标用户，提高金融产品推荐的准确性。

其中，一个新的组合金融产品中可能包含不止两款金融产品，因此，用置信度集合表示，置信度集合中包括所有可能发生的事件的置信度，示例性的，若一个新的组合金融产品a包括ABC这四款金融产品，则存在购买金融产品A的基础上购买金融产品B、在购买金融产品A的基础上购买金融产品C、在购买金融产品A的基础上购买金融产品B和金融产品C、在购买金融产品B的基础上购买金融产品A、在购买金融产品B的基础上购买金融产品C、在购买金融产品B的基础上购买金融产品A和金融产品C、在购买金融产品C的基础上购买金融产品A、在购买金融产品C的基础上购买金融产品B、在购买金融产品C的基础上购买金融产品A和金融产品B、在购买金融产品A和金融产品B的基础上购买金融产品C、在购买金融产品A和金融产品C的基础上购买金融产品B、在购买金融产品B和金融产品C的基础上购买金融产品A的这12种情形，分别对应12个置信度，将这12个置信度相加便得到该新的组合金融产品a的置信度和值。

其中，以在购买金融产品B和金融产品C的基础上购买金融产品A为例，第一类型金融产品可以看做金融产品B和金融产品C，第二类型金融产品可以看做金融产品A。以在购买金融产品B的基础上购买金融产品A为例，第一类型金融产品可以看做产品B，第二类型金融产品可以看做金融产品A。

紧接着，将配置有第二权重的置信度和值与配置有第一权重的支持度相加，便得到新的组合金融产品a的目标评分，通过同样的方式，可以得到全部新的组合金融产品的目标评分，然后可根据全部目标评分对全部新的组合金融产品进行排序，得到第二排序表。

在一些实施例中，第二权重大于第一权重。

在一种可能的实施方式中，获取各新的组合金融产品的支持度和置信度集合之后，方法还包括：

获取各新的组合金融产品的提升度集合，其中，提升度集合包括至少一个提升度，提升度用于表示购买第一类型金融产品和购买第二类型金融产品的相关性，每个提升度和每个置信度存在关联关系；

基于关联关系将大于1的提升度所对应的置信度作为目标置信度，目标置信度用于计算置信度和值。

具体的，和上述实施例中的示例相同，如新的组合金融产品a包括12个置信度，相应的，每个置信度对应有1个提升度，提升度可用于表示购买第一类型金融产品和购买第二类型金融产品之间的相关性。其中，提升度小于1则表示购买第一类型金融产品和购买第二类型金融产品之间没有相关性，提升度大于1则表示购买第一类型金融产品和购买第二类型金融产品之间有相关性，并且提升度越大，该相关性越强。

在本实施例中，提升度小于1的购买情形对应的置信度不参与置信度和值的计算，示例性的，在购买金融产品B的基础上购买金融产品A的购买情形对应的置信度和提升度分别为0.8和0.5，而由于提升度0.5小于1，则置信度0.8不参与置信度和值的计算。

若两个新的组合金融产品a和b，均包括12种购买情形，在新的组合金融产品a中有11种购买情形的提升度小于1，则参与置信度和值计算的仅剩下1个置信度，而在新的组合金融产品b中有11种购买情形的提升度大于1，则参与置信度和值计算的有11个置信度，新的组合金融产品b的置信度和值要大于新的组合金融产品a的置信度和值。相应的，在支持度相同的情形下，在第二排序表中，新的组合金融产品b的排序在新的组合金融产品的a的前面。

本实施例通过相关性对置信度进行筛选，将没有相关性的购买情形的置信度排除在置信度和值的计算之外，保证了置信度和值的准确性和可靠性，能够准确确定第二待推荐金融产品，进而提高确定目标金融产品的准确性，实现针对目标用户推荐精准的目标金融产品，也能够满足针对目标用户的个性化推荐。

在一种可能的实施方式中，按全部目标评分由高到低的顺序对各新的组合金融产品排序，得到第二排序表之后，方法还包括：

获取第一排序表中前预设数量个第一初始金融产品，及第二排序表中前预设数量个第二初始金融产品；

将前预设数量个第一初始金融产品和前预设数量个第二初始金融产品随机排序，得到第三排序表，其中，第三排序表中的金融产品为第二待推荐金融产品。

本实施例通过对第一初始金融产品和第二初始金融产品进一步筛选，并按预设数量进行组合生成第三排序表，进而确定第二待推荐金融产品，第三排序表中的第二待推荐金融产品为经过上述实施例中的筛选和排序后与目标用户关联性较强的金融产品，能够提高推荐金融产品的准确性，于银行而言，能够进一步增加目标用户黏性，并且能够促进业务增长，于目标用户而言，能够得到符合需求的金融产品，节省了目标用户筛选金融产品的时间和精力。

综上，本申请实施例提供的金融产品的推荐方法，可以先获取目标用户的第一关联信息和第二关联信息，其中，第一关联信息包括用户特征信息和用户标签，第二关联信息包括历史购买信息，用户标签包括普通用户和对公用户。然后在检测到第二关联信息为空的情形下，根据用户特征信息和用户标签在预设用户画像数据库中确定至少一个第一待推荐金融产品，其中，用户画像数据库包括不同用户的用户标签、用户特征信息及与不同用户关联的购买产品；在检测到用户标签为普通用户，且第二关联信息不为空的情形下，根据历史购买信息在预设金融产品库中确定至少一个第二待推荐金融产品；在检测到用户标签为对公用户，且第二关联信息不为空的情形下，根据历史购买信息和预设过滤规则在预设金融产品库中确定至少一个第三待推荐金融产品，其中，预设过滤规则为对公用户的客户经理制定；最后从至少一个第一待推荐金融产品、至少一个第二待推荐金融产品，或至少一个第三待推荐金融产品中确定预设数量个目标金融产品，并向目标用户推荐目标金融产品，能够针对各种类型的用户群体进行精准且个性化的金融产品推荐。

与上述方法实施例相对应，本申请还提供一种金融产品的推荐系统，请参见图2，图2为本申请实施例所提供的一种金融产品的推荐系统200的功能模块示意图，其中，该系统包括：

获取模块210，用于获取目标用户的第一关联信息和第二关联信息，其中，所述第一关联信息包括用户特征信息和用户标签，所述第二关联信息包括历史购买信息，所述用户标签包括普通用户和对公用户；

第一检测模块220，用于在检测到所述第二关联信息为空的情形下，根据所述用户特征信息和所述用户标签在预设用户画像数据库中确定至少一个第一待推荐金融产品，其中，所述用户画像数据库包括不同用户的用户标签、用户特征信息及与不同用户关联的购买产品；

第二检测模块230，用于在检测到所述用户标签为所述普通用户，且所述第二关联信息不为空的情形下，根据所述历史购买信息在预设金融产品库中确定至少一个第二待推荐金融产品；

第三检测模块240，用于在检测到所述用户标签为所述对公用户，且所述第二关联信息不为空的情形下，根据所述历史购买信息和预设过滤规则在所述预设金融产品库中确定至少一个第三待推荐金融产品，其中，所述预设过滤规则为所述对公用户的客户经理制定；

确定模块250，用于从至少一个所述第一待推荐金融产品、至少一个所述第二待推荐金融产品，或至少一个所述第三待推荐金融产品中确定预设数量个目标金融产品，并向所述目标用户推荐所述目标金融产品。

综上，本申请实施例提供的金融产品的推荐系统，可以先通过获取模块获取目标用户的第一关联信息和第二关联信息，其中，第一关联信息包括用户特征信息和用户标签，第二关联信息包括历史购买信息，用户标签包括普通用户和对公用户。然后通过第一检测模块在检测到第二关联信息为空的情形下，根据用户特征信息和用户标签在预设用户画像数据库中确定至少一个第一待推荐金融产品，其中，用户画像数据库包括不同用户的用户标签、用户特征信息及与不同用户关联的购买产品；在通过第二检测模块检测到用户标签为普通用户，且第二关联信息不为空的情形下，根据历史购买信息在预设金融产品库中确定至少一个第二待推荐金融产品；在通过第三检测模块检测到用户标签为对公用户，且第二关联信息不为空的情形下，根据历史购买信息和预设过滤规则在预设金融产品库中确定至少一个第三待推荐金融产品，其中，预设过滤规则为对公用户的客户经理制定；最后通过确定模块从至少一个第一待推荐金融产品、至少一个第二待推荐金融产品，或至少一个第三待推荐金融产品中确定预设数量个目标金融产品，并向目标用户推荐目标金融产品，能够针对各种类型的用户群体进行精准且个性化的金融产品推荐。

本申请还提供一种计算机设备，请参见图3，图3为本申请实施例提供的一种计算机设备内部结构图。其中，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，存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现上述实施例中应用于计算机设备的金融产品的推荐方法。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行上述实施例中的金融产品的推荐方法。本领域技术人员可以理解，图3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。

本申请实施例还公开了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时，实现如方法实施例中的金融产品的推荐方法。

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，的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，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、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSD RAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

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。

Claims (10)

1.一种金融产品的推荐方法，其特征在于，所述方法包括：

获取目标用户的第一关联信息和第二关联信息，其中，所述第一关联信息包括用户特征信息和用户标签，所述第二关联信息包括历史购买信息，所述用户标签包括普通用户和对公用户；

在检测到所述第二关联信息为空的情形下，根据所述用户特征信息和所述用户标签在预设用户画像数据库中确定至少一个第一待推荐金融产品，其中，所述用户画像数据库包括不同用户的用户标签、用户特征信息及与不同用户关联的购买产品；

在检测到所述用户标签为所述普通用户，且所述第二关联信息不为空的情形下，根据所述历史购买信息在预设金融产品库中确定至少一个第二待推荐金融产品；

在检测到所述用户标签为所述对公用户，且所述第二关联信息不为空的情形下，根据所述历史购买信息和预设过滤规则在所述预设金融产品库中确定至少一个第三待推荐金融产品，其中，所述预设过滤规则为与所述对公用户对接的客户经理制定；

从至少一个所述第一待推荐金融产品、至少一个所述第二待推荐金融产品，或至少一个所述第三待推荐金融产品中确定预设数量个目标金融产品，并向所述目标用户推荐所述目标金融产品。

2.如权利要求1所述的金融产品的推荐方法，其特征在于，所述第二待推荐金融产品包括第一初始金融产品和第二初始金融产品，所述预设金融产品库包括不同的金融产品及对应的金融产品信息，所述根据所述历史购买信息在预设金融产品库中确定至少一个第二待推荐金融产品，包括：

根据所述历史购买信息确定历史购买产品，并获取所述历史购买产品的产品特征信息；

将所述产品特征信息同所述预设金融产品库中的任一金融产品的全部金融产品信息进行比对得到至少一个比对结果，其中，所述比对结果包括比对成功个数的占比，所述产品特征信息和所述金融产品信息均包括用户需求、使用场景、收益支付方式、流动性和风险指标中的至少一种；

基于所述预设金融产品库，将比对成功个数的占比大于或等于预设数值的比对结果对应的金融产品作为所述第一初始金融产品；

从所述预设金融产品库中获取至少一个组合金融产品；

在检测到所述组合金融产品中包含所述历史购买产品的情形下，将所述组合金融产品中除所述历史购买产品以外的其他金融产品作为新的组合金融产品，并将全部新的组合金融产品作为所述第二初始金融产品。

3.如权利要求2所述的金融产品的推荐方法，其特征在于，所述将大于或等于预设数值的占比的比对结果所对应的金融产品作为所述第一初始金融产品之后，所述方法还包括：

将各所述第一初始金融产品的所述金融产品信息输入预设的LightGBM模型，得到第一排序表，所述第一排序表用于确定所述第二待推荐金融产品。

4.如权利要求3所述的金融产品的推荐方法，其特征在于，所述将全部新的组合金融产品作为所述第二初始金融产品之后，所述方法还包括：

获取各所述新的组合金融产品的支持度和置信度集合，其中，所述支持度用于表示所述新的组合金融产品在所述预设金融产品库中的全部组合金融产品中出现的概率，所述置信度集合包括至少一个置信度，所述置信度用于表示在全部所述新的组合金融产品中购买第一类型金融产品的基础上购买第二类型金融产品的概率，所述第一类型金融产品和所述第二类型金融产品为不同的金融产品；

计算所述置信度集合中全部置信度的置信度和值，并为所述支持度配置第一权重得到支持度评分，为所述置信度和值配置第二权重得到置信度评分；

计算所述支持度评分和所述置信度评分之和得到目标评分；

按全部所述目标评分由高到低的顺序对各所述新的组合金融产品排序，得到第二排序表，所述第二排序表用于确定所述第二待推荐金融产品。

5.如权利要求4所述的金融产品的推荐方法，其特征在于，所述获取各所述新的组合金融产品的支持度和置信度集合之后，所述方法还包括：

获取各所述新的组合金融产品的提升度集合，其中，所述提升度集合包括至少一个提升度，所述提升度用于表示购买所述第一类型金融产品和购买所述第二类型金融产品的相关性，每个所述提升度和每个所述置信度存在关联关系；

基于所述关联关系将大于1的提升度所对应的置信度作为目标置信度，所述目标置信度用于计算所述置信度和值。

6.如权利要求4所述的金融产品的推荐方法，其特征在于，所述按全部所述目标评分由高到低的顺序对各所述新的组合金融产品排序，得到第二排序表之后，所述方法还包括：

获取所述第一排序表中前预设数量个第一初始金融产品，及所述第二排序表中前预设数量个第二初始金融产品；

将所述前预设数量个第一初始金融产品和所述前预设数量个第二初始金融产品随机排序，得到第三排序表，其中，所述第三排序表中的金融产品为所述第二待推荐金融产品。

7.如权利要求2-6中任一项所述的金融产品的推荐方法，其特征在于，所述根据所述历史购买信息和预设过滤规则在所述预设金融产品库中确定至少一个第三待推荐金融产品，包括：

获取所述第二待推荐金融产品的目标收益和风险等级；

将大于或等于预设收益的目标收益，且风险等级小于或等于预设等级的第二待推荐金融产品作为所述第三待推荐金融产品。

8.一种金融产品的推荐系统，其特征在于，所述系统包括：

获取模块，用于获取目标用户的第一关联信息和第二关联信息，其中，所述第一关联信息包括用户特征信息和用户标签，所述第二关联信息包括历史购买信息，所述用户标签包括普通用户和对公用户；

第一检测模块，用于在检测到所述第二关联信息为空的情形下，根据所述用户特征信息和所述用户标签在预设用户画像数据库中确定至少一个第一待推荐金融产品，其中，所述用户画像数据库包括不同用户的用户标签、用户特征信息及与不同用户关联的购买产品；

第二检测模块，用于在检测到所述用户标签为所述普通用户，且所述第二关联信息不为空的情形下，根据所述历史购买信息在预设金融产品库中确定至少一个第二待推荐金融产品；

第三检测模块，用于在检测到所述用户标签为所述对公用户，且所述第二关联信息不为空的情形下，根据所述历史购买信息和预设过滤规则在所述预设金融产品库中确定至少一个第三待推荐金融产品，其中，所述预设过滤规则为所述对公用户的客户经理制定；

确定模块，用于从至少一个所述第一待推荐金融产品、至少一个所述第二待推荐金融产品，或至少一个所述第三待推荐金融产品中确定预设数量个目标金融产品，并向所述目标用户推荐所述目标金融产品。

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及处理器，所述存储器上存储有计算机程序，所述计算机程序在被所述处理器执行时实现权利要求1-7中任一项所述的金融产品的推荐方法。

10.一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上存储有计算机程序，该计算机程序在被一个或多个处理器执行时，实现权利要求1-7中任一项所述的金融产品的推荐方法。