CN118154326A - 目标金融产品的筛选方法、装置、存储介质和电子设备 - Google Patents

目标金融产品的筛选方法、装置、存储介质和电子设备 Download PDF

Info

Publication number
CN118154326A
CN118154326A CN202410380011.0A CN202410380011A CN118154326A CN 118154326 A CN118154326 A CN 118154326A CN 202410380011 A CN202410380011 A CN 202410380011A CN 118154326 A CN118154326 A CN 118154326A
Authority
CN
China
Prior art keywords
product
user
target
financial
financial product
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
Application number
CN202410380011.0A
Other languages
English (en)
Inventor
李玥琛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Industrial and Commercial Bank of China Ltd ICBC
Original Assignee
Industrial and Commercial Bank of China Ltd ICBC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Industrial and Commercial Bank of China Ltd ICBC filed Critical Industrial and Commercial Bank of China Ltd ICBC
Priority to CN202410380011.0A priority Critical patent/CN118154326A/zh
Publication of CN118154326A publication Critical patent/CN118154326A/zh
Pending legal-status Critical Current

Links

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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Finance (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Human Resources & Organizations (AREA)
  • Operations Research (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Technology Law (AREA)
  • General Business, Economics & Management (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请公开了一种目标金融产品的筛选方法、装置、存储介质和电子设备。涉及金融科技领域，该方法包括：接收推送请求；响应推送请求，检测金融产品集合中的每个目标金融产品对应的第一产品参数，并检测金融产品集合中的每个目标金融产品对应的第二产品参数，其中，金融产品集合中记录了允许向目标用户推送的金融产品，第一产品参数用于指示参考用户集合中参考用户对目标金融产品的交易完成度之和，交易完成度用于表征用户已经完成交易的产品信息；根据第一产品参数和第二产品参数从金融产品集合中筛选推送金融产品；将推送金融产品推送至目标用户。通过本申请，解决了相关技术中目标金融产品筛选的准确性较低的问题。

Description

目标金融产品的筛选方法、装置、存储介质和电子设备
技术领域
本申请涉及金融科技领域，具体而言，涉及一种目标金融产品的筛选方法、装置、存储介质和电子设备。
背景技术
目前，一般需要为用户推送的金融产品，以提升金融产品的交易率，但是相关技术中，一般会倾向于向用户推送用户在历史时间中曾经关注过的金融产品，但是通过这样的方式推送给用户的金融产品较为单一，在用户的关注发生变化的情况下，金融产品筛选的准确性反而会降低。
针对相关技术中目标金融产品筛选的准确性较低的问题，目前尚未提出有效的解决方案。
发明内容
本申请的主要目的在于提供一种目标金融产品的筛选方法、装置、存储介质和电子设备，以解决相关技术中目标金融产品筛选的准确性较低的问题。
为了实现上述目的，根据本申请的一个方面，提供了一种目标金融产品的筛选方法，该方法包括：
接收推送请求，其中，所述推送请求用于请求为目标用户推送金融产品；
响应所述推送请求，检测金融产品集合中的每个目标金融产品对应的第一产品参数，并检测所述金融产品集合中的每个所述目标金融产品对应的第二产品参数，其中，所述金融产品集合中记录了允许向所述目标用户推送的金融产品，所述第一产品参数用于指示参考用户集合中参考用户对所述目标金融产品的交易完成度之和，交易完成度用于表征用户已经完成交易的产品信息，所述参考用户是与目标用户之间的用户相似度大于或者等于相似度阈值的用户，所述第二产品参数用于指示所述目标用户在第一时间段内对所述目标金融产品的交易期望度，交易期望度用于表征用户已经完成交易的产品信息以及用户浏览过的产品信息；
根据所述第一产品参数和所述第二产品参数从所述金融产品集合中筛选推送金融产品；
将所述推送金融产品推送至所述目标用户。
可选的，所述检测金融产品集合中的每个目标金融产品对应的第一产品参数，包括：从全量用户集合中筛选所述参考用户得到所述参考用户集合，其中，所述全量用户集合中包括允许交易金融产品的全量的用户；依次将所述金融产品集合中的每个所述金融产品确定为所述目标金融产品，检测每个所述参考用户对所述目标金融产品的参考交易信息，其中，所述参考交易信息用于指示所述目标金融产品在所述参考用户已经完成交易的金融产品中所占的比例；根据每个所述参考用户与所述目标用户之间的所述用户相似度以及每个所述参考用户对所述目标金融产品的所述参考交易信息，确定所述目标金融产品相对于每个所述参考用户的初始产品参数；计算所述目标金融产品相对于每个所述参考用户的所述初始产品参数之和，得到所述目标金融产品相对于全部所述参考用户的所述第一产品参数。
可选的，所述从全量用户集合中筛选所述参考用户得到所述参考用户集合，包括：获取所述全量用户集合中包括的每个用户的历史交易信息以及所述每个用户的用户信息，其中，所述历史交易信息用于指示所述用户在第二时间段对所述金融产品的交易情况，所述用户信息用于指示所述用户的个人特征；依次将所述全量用户集合中包括的所述每个用户作为候选用户，根据所述候选用户的所述历史交易信息确定所述候选用户与所述目标用户之间的第一相似度，并根据所述候选用户的所述用户信息确定所述候选用户与所述目标用户之间的第二相似度，其中，所述第一相似度用于指示所述候选用户与所述目标用户在已经完成交易的金融产品方面的相似性，所述第二相似度用于指示所述候选用户与所述目标用户在个人特征方面的相似性；根据每个所述候选用户与所述目标用户之间的所述第一相似度和所述第二相似度确定每个所述候选用户的所述用户相似度；提取所述用户相似度大于或者等于所述相似度阈值的所述候选用户作为所述参考用户得到所述参考用户集合。
可选的，所述检测每个所述参考用户对所述目标金融产品的参考交易信息，包括：获取每个所述参考用户购买过的所述目标金融产品的产品数量以及持有所述目标金融产品的持有天数；根据每个所述参考用户的所述产品数量和所述持有天数计算所述目标金融产品在每个所述参考用户已经完成交易的金融产品中所占的比例，得到所述参考交易信息。
可选的，所述检测所述金融产品集合中的每个所述目标金融产品对应的第二产品参数，包括：获取所述目标用户在所述第一时间段内期望交易的期望产品集合中包括的每个期望金融产品的用户交易信息，其中，所述期望产品集合中包括所述目标用户在所述第一时间段内已经完成交易的第一金融产品和所述目标用户在所述第一时间段内期望交易的第二金融产品，所述用户交易信息包括所述第一金融产品的第一产品信息和所述第二金融产品的第二产品信息；根据所述用户交易信息和每个所述目标金融产品的目标产品信息确定每个所述目标金融产品与每个期望金融产品的产品相似度；计算所述目标金融产品与每个期望金融产品的产品相似度之和作为每个所述目标金融产品对应的第二产品参数。
可选的，所述根据所述用户交易信息和每个所述目标金融产品的目标产品信息确定每个所述目标金融产品与所述期望产品集合中包括的每个期望金融产品的产品相似度，包括：依次对比所述目标产品信息和每个所述期望金融产品的所述用户交易信息得到所述目标金融产品与所述期望金融产品之间的初始相似度；获取所述期望金融产品在所述第一时间段内的期望交易次数；根据所述期望交易次数调整所述初始相似度得到每个所述期望金融产品的所述产品相似度。
可选的，所述根据所述第一产品参数和所述第二产品参数从所述金融产品集合中筛选推送金融产品，包括：根据所述第一产品参数和所述第二产品参数确定所述金融产品集合中每个所述金融产品的目标参数，其中，所述目标参数用于指示所述目标用户购买对应的金融产品的概率；按照所述目标参数由大到小的顺序筛选前n个金融产品作为所述推送金融产品，其中，n为大于或者等于1的正整数。
为了实现上述目的，根据本申请的另一方面，提供了一种目标金融产品的筛选装置，该装置包括：
接收模块，用于接收推送请求，其中，所述推送请求用于请求为目标用户推送金融产品；
检测模块，用于响应所述推送请求，检测金融产品集合中的每个目标金融产品对应的第一产品参数，并检测所述金融产品集合中的每个所述目标金融产品对应的第二产品参数，其中，所述金融产品集合中记录了允许向所述目标用户推送的金融产品，所述第一产品参数用于指示参考用户集合中参考用户对所述目标金融产品的交易完成度之和，交易完成度用于表征用户已经完成交易的产品信息，所述参考用户是与目标用户之间的用户相似度大于或者等于相似度阈值的用户，所述第二产品参数用于指示所述目标用户在第一时间段内对所述目标金融产品的交易期望度，交易期望度用于表征用户已经完成交易的产品信息以及用户浏览过的产品信息；
筛选模块，用于根据所述第一产品参数和所述第二产品参数从所述金融产品集合中筛选推送金融产品；
推送模块，用于将所述推送金融产品推送至所述目标用户。
根据本申请的又一个实施例，还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计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
根据本申请的又一个实施例，还提供了一种电子设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
根据本申请的又一个实施例，还提供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上述任一项方法实施例中的步骤。
通过本申请，采用以下步骤：接收推送请求，其中，推送请求用于请求为目标用户推送金融产品；响应推送请求，检测金融产品集合中的每个目标金融产品对应的第一产品参数，并检测金融产品集合中的每个目标金融产品对应的第二产品参数，其中，金融产品集合中记录了允许向目标用户推送的金融产品，第一产品参数用于指示参考用户集合中参考用户对目标金融产品的交易完成度之和，交易完成度用于表征用户已经完成交易的产品信息，参考用户是与目标用户之间的用户相似度大于或者等于相似度阈值的用户，第二产品参数用于指示目标用户在第一时间段内对目标金融产品的交易期望度，交易期望度用于表征用户已经完成交易的产品信息以及用户浏览过的产品信息；根据第一产品参数和第二产品参数从金融产品集合中筛选目标金融产品；将目标金融产品推送至目标用户。由于使用了第一产品参数和第二产品参数从金融产品集合中筛选目标金融产品，也就是说，筛选目标金融产品既考虑了与目标用户相似的参考用户集合中参考用户对目标金融产品的交易完成度，还考虑了目标用户在第一时间段内对目标金融产品的交易期望度，因此能够根据与目标用户相似的参考用户集合中参考用户对目标金融产品的交易情况，调整筛选的目标金融产品，因此解决了相关技术中目标金融产品筛选的准确性较低的问题。进而达到了提高目标金融产品筛选的准确性的效果。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是根据本申请实施例提供的目标金融产品的筛选方法的流程图；
图2是根据本申请实施例的一种确定候选用户与目标用户之间的用户相似度的过程的示意图；
图3是根据本申请实施例的一种筛选目标金融产品的过程的示意图；
图4是根据本申请实施例的金融产品模型的处理过程的示意图；
图5是根据本申请实施例的一种筛选参考用户集合的过程的示意图；
图6是根据本申请实施例的生成推荐结果的方法的示意图；
图7是根据本申请实施例的目标金融产品的筛选装置的示意图；
图8是根据本申请实施例的一种电子设备的结构框图。
具体实施方式
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
为了使本技术领域的人员更好地理解本申请方案，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，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等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，以便这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，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。
需要说明的是，本公开所涉及的相关信息(包括但不限于参考交易信息、历史交易信息、用户信息等)和数据(包括但不限于用于展示的数据、分析的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。例如，本系统和相关用户或机构间设置有接口，在获取相关信息之前，为用户提供相应的操作入口，供用户选择同意或者拒绝自动化决策结果；若用户选择拒绝，则进入专家决策流程。
下面结合优选的实施步骤对本发明进行说明，图1是根据本申请实施例提供的目标金融产品的筛选方法的流程图，如图1所示，该方法包括如下步骤：
步骤S101，接收推送请求，其中，所述推送请求用于请求为目标用户推送金融产品；
步骤S102，响应所述推送请求，检测金融产品集合中的每个目标金融产品对应的第一产品参数，并检测所述金融产品集合中的每个所述目标金融产品对应的第二产品参数，其中，所述金融产品集合中记录了允许向所述目标用户推送的金融产品，所述第一产品参数用于指示参考用户集合中参考用户对所述目标金融产品的交易完成度之和，交易完成度用于表征用户已经完成交易的产品信息，所述参考用户是与目标用户之间的用户相似度大于或者等于相似度阈值的用户，所述第二产品参数用于指示所述目标用户在第一时间段内对所述目标金融产品的交易期望度，交易期望度用于表征用户已经完成交易的产品信息以及用户浏览过的产品信息；
步骤S103，根据所述第一产品参数和所述第二产品参数从所述金融产品集合中筛选推送金融产品；
步骤S104，将所述推送金融产品推送至所述目标用户。
在上述步骤S101提供的技术方案中，上述推送请求可以但不限于是用户发出的，或者在用户请求访问金融产品的页面的情况下，服务端自动触发的请求。
可选的，在本实施例中，可以但不限于通过触发上述推送请求，向目标用户推送金融产品，向用户推送的金融产品可以但不限于是一个目标金融产品，或者多个目标金融产品。
可选的，在本实施例中，上述金融产品可以但不限于包括允许用户购买或者交易的虚拟资产以及固定资产等。
在上述步骤S102提供的技术方案中，可以但不限于根据目标用户的个人特征、目标用户关注的金融产品的产品特征，以及其他用户的个人特征、其他用户所关注的金融产品的产品特征确定目标用户与每个用户之间的用户相似度，将用户相似度大于或者等于相似度阈值的用户确定为参考用户。
可选的，在本实施例中，可以但不限于将金融产品集合中的每个金融产品作为目标金融产品，确定检测每个目标金融产品对应的第一产品参数和第二产品参数。
在一个示例性实施例中，可以但不限于采用以下方式检测金融产品集合中的每个目标金融产品对应的第一产品参数：从全量用户集合中筛选所述参考用户得到所述参考用户集合，其中，所述全量用户集合中包括允许交易金融产品的全量的用户；依次将所述金融产品集合中的每个所述金融产品确定为所述目标金融产品，检测每个所述参考用户对所述目标金融产品的参考交易信息，其中，所述参考交易信息用于指示所述目标金融产品在所述参考用户已经完成交易的金融产品中所占的比例；根据每个所述参考用户与所述目标用户之间的所述用户相似度以及每个所述参考用户对所述目标金融产品的所述参考交易信息，确定所述目标金融产品相对于每个所述参考用户的初始产品参数；计算所述目标金融产品相对于每个所述参考用户的所述初始产品参数之和，得到所述目标金融产品相对于全部所述参考用户的所述第一产品参数。
可选的，在本实施例中，可以但不限于获取允许交易上述金融产品集合中的金融产品的全量用户作为全量用户集合。
可选的，在本实施例中，上述参考交易信息是目标金融产品在参考用户已经完成交易的金融产品中所占的比例，上述参考用户已经完成交易的金融产品可以但不限于包括：参考用户在第一时间段内已经完成交易的金融产品。或者，获取参考用户已经完成交易的全量的金融产品等。
可选的，在本实施例中，可以但不限于计算参考用户与目标用户之间的用户相似度和参考用户对目标金融产品的参考交易信息之间的乘积，得到一个参考用户与目标用户对目标金融产品的初始产品参数，再计算每个参考用户与目标用户的初始产品参数之和得到每个参考用户与目标用户对目标金融产品的第一产品参数。
在一个示例性实施例中，可以但不限于采用以下方式从全量用户集合中筛选所述参考用户得到所述参考用户集合：获取所述全量用户集合中包括的每个用户的历史交易信息以及所述每个用户的用户信息，其中，所述历史交易信息用于指示所述用户在第二时间段对所述金融产品的交易情况，所述用户信息用于指示所述用户的个人特征；依次将所述全量用户集合中包括的所述每个用户作为候选用户，根据所述候选用户的所述历史交易信息确定所述候选用户与所述目标用户之间的第一相似度，并根据所述候选用户的所述用户信息确定所述候选用户与所述目标用户之间的第二相似度，其中，所述第一相似度用于指示所述候选用户与所述目标用户在已经完成交易的金融产品方面的相似性，所述第二相似度用于指示所述候选用户与所述目标用户在个人特征方面的相似性；根据每个所述候选用户与所述目标用户之间的所述第一相似度和所述第二相似度确定每个所述候选用户的所述用户相似度；提取所述用户相似度大于或者等于所述相似度阈值的所述候选用户作为所述参考用户得到所述参考用户集合。
在一个示例性实施例中，提供了一种确定候选用户与目标用户之间的用户相似度的过程的示例。图2是根据本申请实施例的一种确定候选用户与目标用户之间的用户相似度的过程的示意图，如图2所示，可以但不限于通过以下方式确定候选用户与目标用户之间的用户相似度：
步骤S201：获取全量用户集合中包括的每个用户的历史交易信息以及每个用户的用户信息，用户的历史交易信息可以但不限于包括用户在第二时间段内实际交易了的金融产品、持仓的金融产品以及关注的金融产品，金融产品的产品信息可以但不限于包括金融产品在种类、风险评级、主题板块、晨星评级、近期日增长率、历史收益率、估值、净值、手续费、日涨跌幅、运作费用、起购金额等方面的信息。
将全量用户集合中包括的每个用户确定为候选用户，确定每个候选用户与目标用户之间的第一相似度，直至得到全量用户集合中包括的每个用户与目标用户之间的第一相似度，具体如下步骤S201-1至步骤S201-4：
步骤S201-1：使用每个用户的历史交易信息中金融产品的产品信息对用户进行标签化处理，构建如表1所示的每个用户(包括目标用户和全量的候选用户)的用户-标签矩阵：
表1
编号 用户名称 标签
1 目标用户 债券型；较低风险；……；二星级
2 候选用户A 股票型；中风险；……；四星级
3 …… ……
步骤S201-2：以使用k个标签标注用户为例，在表1的基础上利用LDA模型得到如表2所示的用户-主题(Topic)概率分布，以及如表3所示的主题-标签概率分布：
表2
编号 标签
1 债券型；较低风险；……；二星级
2 股票型；中风险；……；四星级
3 ……
表3
编号 Topic 1 Topic 2 Topic 3 Topic 4 Topic 5 …… Topic k
1 0.218 0.008 0.005 0.118 0.006 …… 0.009
2 0.007 0.004 0.001 0.007 0.003 …… 0.002
…… …… …… …… …… …… …… ……
步骤S201-3：利用KL散度计算两两之间的相似度，得到如表4所示的用户概率分布矩阵：
表4
编号 1 2 3 …… k
1 0 0.75345 0.23548 …… 0.31245
2 0.75345 0 0.35465 …… 0.24575
3 0.23548 0.35465 0 …… 0.64571
…… …… …… …… …… ……
k 0.31245 0.24575 0.64571 …… 0
步骤S201-4：进行矩阵转换，将表4中的用户概率分布矩阵转换为如表5所示的相似度矩阵，得到每个候选用户与目标用户之间的第一相似度：
表5
编号 1 2 3 …… k
1 1 0.57030 0.80940 …… 0.76193
2 0.57030 1 0.73820 …… 0.80273
3 0.80940 0.73820 1 …… 0.60764
…… …… …… …… … ……
k 0.76193 0.80273 0.60764 …… 1
步骤S202：根据候选用户的用户信息确定候选用户与目标用户之间的第二相似度，用户信息可以但不限于包括年龄、性别、收入、风险能力评级、职业、受教育程度等方面的信息，通过使用第二相似度确定用户相似度对于产品浏览、购买记录较少的新用户，相似用户在产品偏好上存在较大的相似性，可以在一定程度上缓解冷启动带来的影响，确定第二相似度的方式包括步骤S202-1至步骤S202-3：
步骤S202-1：使用每个用户的用户信息对用户进行标签化处理，构建如表6所示的用户-标签矩阵：
表6
编号 用户名称 标签
1 目标用户 女；C-1保守型；……；18
2 候选用户A 男；C-3平衡型；……；45
…… …… ……
步骤S202-2：根据如表7所示的内容，对用户的文本类型的标签进行量化：
表7
性别 数据特征值
女 1
男 2
步骤S202-3：基于量化后的数据，利用欧式距离计算两个用户的相似度，其中，ui、vi表示两用户之间第i个属性特征值，dis(u，v)值越大说明用户在此属性的差异越大，反之则越相似，因此相似度可定义为/>
步骤S203：为解决从单一用户关系角度去寻找近邻的局限性，使用公式S(ui，uj)＝α×Sim1(ui，uj)+β×Sim2(ui，uj)对两种方法得到的第一相似度和第二相似度进行加权融合，得到用户相似度，使得算法在冷启动环境下的推荐更精准，其中，Sim1(ui，uj)为第一相似度，Sim2(ui，uj)为第二相似度，可以但不限于根据实际应用中第一相似度和第二相似度对用户相似度的影响情况调整α和β的值，使得到的用户相似度S(ui,uj)更加准确。
在一个示例性实施例中，可以但不限于采用以下方式检测每个所述参考用户对所述目标金融产品的参考交易信息：获取每个所述参考用户购买过的所述目标金融产品的产品数量以及持有所述目标金融产品的持有天数；根据每个所述参考用户的所述产品数量和所述持有天数计算所述目标金融产品在每个所述参考用户已经完成交易的金融产品中所占的比例，得到所述参考交易信息。
可选的，在本实施例中，以参考用户uj购买过产品数量Qv的目标金融产品，参考用户uj对目标金融产品的持有天数Dv为例，计算目标金融产品的参考交易信息P(v)为其中，/>用于指示参考用户uj购买过的全部金融产品的产品数量以及持有全部金融产品对应的持有天数；
对于每一个目标金融产品，可以但不限于根据公式Sim(v)＝∑i＝1S(ui,uj)×P(v)计算其相对于全部参考用户的第一产品参数Sim(v)，其中，S(ui,uj)是参考用户与目标用户之间的用户相似度。
在一个示例性实施例中，可以但不限于采用以下方式检测所述金融产品集合中的每个所述目标金融产品对应的第二产品参数：获取所述目标用户在所述第一时间段内期望交易的期望产品集合中包括的每个期望金融产品的用户交易信息，其中，所述期望产品集合中包括所述目标用户在所述第一时间段内已经完成交易的第一金融产品和所述目标用户在所述第一时间段内期望交易的第二金融产品，所述用户交易信息包括所述第一金融产品的第一产品信息和所述第二金融产品的第二产品信息；根据所述用户交易信息和每个所述目标金融产品的目标产品信息确定每个所述目标金融产品与每个期望金融产品的产品相似度；计算所述目标金融产品与每个期望金融产品的产品相似度之和作为每个所述目标金融产品对应的第二产品参数。
可选的，在本实施例中，目标用户在第一时间段内期望交易的期望产品集合可以但不限于用户包括在第二时间段内实际交易了的金融产品、持仓的金融产品以及关注的金融产品，期望金融产品的用户交易信息可以但不限于包括金融产品在种类、风险评级、主题板块、晨星评级、近期日增长率、历史收益率、估值、净值、手续费、日涨跌幅、运作费用、起购金额等方面的信息。
在一个示例性实施例中，可以但不限于采用以下方式根据所述用户交易信息和每个所述目标金融产品的目标产品信息确定每个所述目标金融产品与所述期望产品集合中包括的每个期望金融产品的产品相似度：依次对比所述目标产品信息和每个所述期望金融产品的所述用户交易信息得到所述目标金融产品与所述期望金融产品之间的初始相似度；获取所述期望金融产品在所述第一时间段内的期望交易次数；根据所述期望交易次数调整所述初始相似度得到每个所述期望金融产品的所述产品相似度。
在一个示例性实施例中，提供了一种确定期望金融产品的产品相似度的方法的示例。可以但不限于通过以下步骤确定期望金融产品的产品相似度：
步骤S301：数据收集与预处理，获取目标用户在第一时间段内期望交易的期望产品集合中包括的每个期望金融产品的用户交易信息，使用用户交易信息对期望金融产品进行标签处理，得到如表8所示的内容：
表8
编号 金融产品名称 标签
1 期望金融产品A 债券型；较低风险；……；二星级
2 期望金融产品B 股票型；中风险；……；四星级
…… …… ……
步骤S302：经过数据预处理后，基于公式p(词汇|文档)＝∑主题(词汇|主题)×p(主题|文档)，把期望金融产品当看作文档，标签看做文档中的词汇认为对于任意一个期望金融产品都由k个标签表示，并利用LDA模型进行建模及模型训练可以得到如表9所示的产品-主题概率分布，以及如表10所示的主题-标签概率分布：
表9
编号 标签
1 债券型；较低风险；……；二星级
2 股票型；中风险；……；四四星级
…… ……
表10
编号 topic1 topic2 topic3 topic4 topic5 …… topick
1 0.003 0.007 0.005 0.218 0.008 …… 0.009
2 0.142 0.008 0.001 0.007 0.004 …… 0.002
…… …… …… …… …… …… …… ……
步骤S303：利用KL散度的公式计算相似度，相较于传统的相似度计算方法，常用于计算两个概率分布之间的距离，KL散度更适用于测量不同概率分布差异，其中，p和q分别表示两个不同产品主题概率分布。
因为KL散度计算具有不对称性，因此可以通过相同的方式计算得到然后重新定义相似度计算公式：其中，p、q为2个概率分布，即JS散度值越趋近于0，则两个概率间的距离越近，反之，值越趋向于1，则表明两个概率距离越远。利用此公式，以表10为基础，得到如表11所示的两个期望金融产品之间主题分布的距离矩阵。
表11
编号 1 2 …… n
1 0 0.86454 …… 0.43215
2 0.86454 0 …… 0.25487
…… …… …… …… ……
n 0.43215 0.25487 …… 1
步骤S304：为简便计算，进行矩阵转换，将公式转换为相似度矩阵/>其中，Simpro(p,q)为p,q两金融产品之间的相似度，值越大表示两者之间相似度越高，通过更新后的公式得到如表12所示的相似度矩阵：
表12
编号 1 2 …… n
1 1 0.53633 …… 0.69825
2 0.53633 1 …… 0.79690
…… …… …… …… ……
n 0.69825 0.79690 …… 1
根据表12中记录的数据获取目标金融产品与期望金融产品之间的初始相似度。
步骤S305：收集目标用户近n次购买(收藏)期望金融产品的种类和数量，计算出现的基金频率m；
步骤S306：根据公式Spro(v)＝m1×Simpro(v1,v)+m2×Simpro(v2,v)+......+mn×Simpro(vn,v)计算目标金融产品与每个期望金融产品的产品相似度mn×Simpro(vn,v)之和作为目标金融产品与每个期望金融产品(v1至vn)的产品相似度之和作为每个目标金融产品v对应的第二产品参数Spro(v)，其中，m为期望金融产品在第一时间段内的期望交易次数，
在上述步骤S103提供的技术方案中，可以但不限于从金融产品集合中筛选第一产品参数和第二产品参数最高的金融产品作为目标金融产品。
在一个示例性实施例中，可以但不限于采用以下方式根据所述第一产品参数和所述第二产品参数从所述金融产品集合中筛选推送金融产品：根据所述第一产品参数和所述第二产品参数确定所述金融产品集合中每个所述金融产品的目标参数，其中，所述目标参数用于指示所述目标用户购买对应的金融产品的概率；按照所述目标参数由大到小的顺序筛选前n个金融产品作为所述推送金融产品，其中，n为大于或者等于1的正整数。
可选的，在本实施例中，可以但不限于计算第一产品参数和第二产品参数的加权和，比如：F(v)＝α×Simpro(v)+β×Simuser(v)，其中，αβ分别为第一产品参数和第二产品参数的权重，Simpro(v)为第一产品参数，Simuser(v)为第二产品参数。可以但不限于依据得到的F(v)值进行降序排序，并取前n个金融产品作为推送金融产品生成推荐基金集合。
在上述步骤S104提供的技术方案中，可以但不限于通过多种方式向目标用户推送得到的推送金融产品，比如：在浏览页进行展示、使用弹窗进行展示等。
可选的，在本实施例中，为了更好的理解本申请提出的目标金融产品的筛选方法中上述筛选目标金融产品的过程，以下再结合可选实施例对上述流程进行说明，但不用于限定本申请实施例的技术方案。
在一个示例性实施例中，提供了一种筛选目标金融产品的过程的示例。图3是根据本申请实施例的一种筛选目标金融产品的过程的示意图，如图3所示，可以但不限于通过以下过程获取从金融产品集合中筛选目标金融产品：
获取待推送金融产品的目标用户的目标用户信息、其他用户的用户信息，以及能够推荐的金融产品集合中包括的每个金融产品的产品信息，其中，目标用户信息包括目标用户在第一时间段内期望交易的期望产品集合中包括的每个期望金融产品的产品信息，其他用户的用户信息包括用户在历史时间内实际发生了交易的金融产品的产品信息。
可以但不限于将目标用户信息和其他用户的用户信息以及能够推荐的金融产品集合中包括的每个金融产品的产品信息分别输入至预先训练的金融产品模型以及金融产品用户模型中，得到两个模型基于产品的推荐和基于相似用户的推荐情况，根据两方面的推荐生成最终的推送结果即目标金融产品。
需要说明的是，图4是根据本申请实施例的金融产品模型的处理过程的示意图，如图4所示，金融产品模型可以但不限于通过以下方式执行基于产品的推荐：
步骤S401：收集金融产品数据，并进行标签化处理；
步骤S402：建立概率主体模型，并进行训练得到金融产品-主题概率分布矩阵；
步骤S403：基于概率主题模型结果利用KL散度计算相似度，得到金融产品-主题概率分布矩阵；
步骤S404：将金融产品-主题概率分布矩阵转换为金融产品相似度矩阵。
需要说明的是，图5是根据本申请实施例的一种筛选参考用户集合的过程的示意图，如图5所示，金融产品用户模型可以但不限于通过以下方式筛选参考用户集合：
步骤S501：收集金融产品的用户的数据，并进行标签化处理；
步骤S502：建立概率主题模型，并进行训练得到用户-主题概率分布矩阵；
步骤S503：基于概率主题模型结果利用KL散度计算相似度，得到用户-主题概率分布矩阵；
步骤S504：将用户-主题概率分布矩阵转换为用户相似度矩阵；
步骤S505：基于其他用户的用户数据，使用欧式距离计算用户之间的相似度，缓解冷启动问题；
步骤S506：将步骤S504和步骤S505得出的用户相似度进行加权融合，根据融合后的相似度筛选参考用户集合。
需要说明的是，图6是根据本申请实施例的生成推荐结果的方法的示意图，如图6所示，可以但不限于通过以下过程生成推荐结果：
步骤S601：生成参考用户集合，根据参考用户集合确定第一产品参数；
步骤S602：根据目标用户对目标金融产品的交易期望度的检测第二产品参数；
步骤S603：对步骤S601和步骤S602生成的第一产品参数和第二产品参数进行加权计算，根据加权后的数值筛选推送的金融产品。
需要说明的是，基于产品模型用于根据目标用户信息筛选和目标用户在第一时间段内期望交易的期望产品集合中包括的每个期望金融产品相似的金融产品；基于金融产品用户模型用于根据和目标用户相似的用户的历史交易情况以及和用户与目标用户相似的程度筛选和目标用户相似的用户交易的可能比较高的金融产品；
在通过金融产品相似度的概率主题模型、金融产品用户相似度的概率主题模型的构建，利用其结果的概率分布作为相似度计算的相似度基础，提高了相似度计算结果的准确性，并且过程中将基于金融产品的相似度推荐与基于金融产品用户的相似度推荐混合，覆盖了用户-资源-特征三方面，缓解从单一角度推荐带来的数据缺失与结果偏差，以现有用户数据为学习样本，精准为每一个客户定制个性化基金推荐。同时，引入了人口统计学信息分类对新用户进行预测计算，有效缓解了冷启动问题。使客户能够更快找到自己感兴趣或者需要的基金，从而提高用户的满意度，提高用户的购买意愿，增加客户黏性。
本申请实施例提供的目标金融产品的筛选方法，通过接收推送请求，其中，推送请求用于请求为目标用户推送金融产品；响应推送请求，检测金融产品集合中的每个目标金融产品对应的第一产品参数，并检测金融产品集合中的每个目标金融产品对应的第二产品参数，其中，金融产品集合中记录了允许向目标用户推送的金融产品，第一产品参数用于指示参考用户集合中参考用户对目标金融产品的交易完成度之和，交易完成度用于表征用户已经完成交易的产品信息，参考用户是与目标用户之间的用户相似度大于或者等于相似度阈值的用户，第二产品参数用于指示目标用户在第一时间段内对目标金融产品的交易期望度，交易期望度用于表征用户已经完成交易的产品信息以及用户浏览过的产品信息；根据第一产品参数和第二产品参数从金融产品集合中筛选目标金融产品；将目标金融产品推送至目标用户。由于使用了第一产品参数和第二产品参数从金融产品集合中筛选目标金融产品，也就是说，筛选目标金融产品既考虑了与目标用户相似的参考用户集合中参考用户对目标金融产品的交易完成度，还考虑了目标用户在第一时间段内对目标金融产品的交易期望度，因此能够根据与目标用户相似的参考用户集合中参考用户对目标金融产品的交易情况，调整筛选的目标金融产品，因此解决了相关技术中目标金融产品筛选的准确性较低的问题。进而达到了提高目标金融产品筛选的准确性的效果。
需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
本申请实施例还提供了一种目标金融产品的筛选装置，需要说明的是，本申请实施例的目标金融产品的筛选装置可以用于执行本申请实施例所提供的用于目标金融产品的筛选方法。以下对本申请实施例提供的目标金融产品的筛选装置进行介绍。
图7是根据本申请实施例的目标金融产品的筛选装置的示意图。如图7所示，该装置包括：
接收模块72，用于接收推送请求，其中，所述推送请求用于请求为目标用户推送金融产品；
检测模块74，用于响应所述推送请求，检测金融产品集合中的每个目标金融产品对应的第一产品参数，并检测所述金融产品集合中的每个所述目标金融产品对应的第二产品参数，其中，所述金融产品集合中记录了允许向所述目标用户推送的金融产品，所述第一产品参数用于指示参考用户集合中参考用户对所述目标金融产品的交易完成度之和，交易完成度用于表征用户已经完成交易的产品信息，所述参考用户是与目标用户之间的用户相似度大于或者等于相似度阈值的用户，所述第二产品参数用于指示所述目标用户在第一时间段内对所述目标金融产品的交易期望度，交易期望度用于表征用户已经完成交易的产品信息以及用户浏览过的产品信息；
筛选模块76，用于根据所述第一产品参数和所述第二产品参数从所述金融产品集合中筛选推送金融产品；
推送模块78，用于将所述推送金融产品推送至所述目标用户。
可选的，在本申请实施例提供的目标金融产品的筛选装置中，所述检测模块，包括：
第一筛选单元，用于从全量用户集合中筛选所述参考用户得到所述参考用户集合，其中，所述全量用户集合中包括允许交易金融产品的全量的用户；
检测单元，用于依次将所述金融产品集合中的每个所述金融产品确定为所述目标金融产品，检测每个所述参考用户对所述目标金融产品的参考交易信息，其中，所述参考交易信息用于指示所述目标金融产品在所述参考用户已经完成交易的金融产品中所占的比例；
第一确定单元，用于根据每个所述参考用户与所述目标用户之间的所述用户相似度以及每个所述参考用户对所述目标金融产品的所述参考交易信息，确定所述目标金融产品相对于每个所述参考用户的初始产品参数；
第一计算单元，用于计算所述目标金融产品相对于每个所述参考用户的所述初始产品参数之和，得到所述目标金融产品相对于全部所述参考用户的所述第一产品参数。
可选的，在本申请实施例提供的目标金融产品的筛选装置中，所述第一筛选单元，还用于：获取所述全量用户集合中包括的每个用户的历史交易信息以及所述每个用户的用户信息，其中，所述历史交易信息用于指示所述用户在第二时间段对所述金融产品的交易情况，所述用户信息用于指示所述用户的个人特征；依次将所述全量用户集合中包括的所述每个用户作为候选用户，根据所述候选用户的所述历史交易信息确定所述候选用户与所述目标用户之间的第一相似度，并根据所述候选用户的所述用户信息确定所述候选用户与所述目标用户之间的第二相似度，其中，所述第一相似度用于指示所述候选用户与所述目标用户在已经完成交易的金融产品方面的相似性，所述第二相似度用于指示所述候选用户与所述目标用户在个人特征方面的相似性；根据每个所述候选用户与所述目标用户之间的所述第一相似度和所述第二相似度确定每个所述候选用户的所述用户相似度；提取所述用户相似度大于或者等于所述相似度阈值的所述候选用户作为所述参考用户得到所述参考用户集合。
可选的，在本申请实施例提供的目标金融产品的筛选装置中，所述检测单元，还用于：获取每个所述参考用户购买过的所述目标金融产品的产品数量以及持有所述目标金融产品的持有天数；根据每个所述参考用户的所述产品数量和所述持有天数计算所述目标金融产品在每个所述参考用户已经完成交易的金融产品中所占的比例，得到所述参考交易信息。
可选的，在本申请实施例提供的目标金融产品的筛选装置中，所述检测模块，包括：
获取单元，用于获取所述目标用户在所述第一时间段内期望交易的期望产品集合中包括的每个期望金融产品的用户交易信息，其中，所述期望产品集合中包括所述目标用户在所述第一时间段内已经完成交易的第一金融产品和所述目标用户在所述第一时间段内期望交易的第二金融产品，所述用户交易信息包括所述第一金融产品的第一产品信息和所述第二金融产品的第二产品信息；
第二确定单元，用于根据所述用户交易信息和每个所述目标金融产品的目标产品信息确定每个所述目标金融产品与每个期望金融产品的产品相似度；
第二计算单元，用于计算所述目标金融产品与每个期望金融产品的产品相似度之和作为每个所述目标金融产品对应的第二产品参数。
可选的，在本申请实施例提供的目标金融产品的筛选装置中，所述第二确定单元，还用于：依次对比所述目标产品信息和每个所述期望金融产品的所述用户交易信息得到所述目标金融产品与所述期望金融产品之间的初始相似度；获取所述期望金融产品在所述第一时间段内的期望交易次数；根据所述期望交易次数调整所述初始相似度得到每个所述期望金融产品的所述产品相似度。
可选的，在本申请实施例提供的目标金融产品的筛选装置中，所述筛选模块，包括：
第三确定单元，用于根据所述第一产品参数和所述第二产品参数确定所述金融产品集合中每个所述金融产品的目标参数，其中，所述目标参数用于指示所述目标用户购买对应的金融产品的概率；
第二筛选单元，用于按照所述目标参数由大到小的顺序筛选前n个金融产品作为所述推送金融产品，其中，n为大于或者等于1的正整数。
本申请实施例提供的目标金融产品的筛选装置，通过接收推送请求，其中，推送请求用于请求为目标用户推送金融产品；响应推送请求，检测金融产品集合中的每个目标金融产品对应的第一产品参数，并检测金融产品集合中的每个目标金融产品对应的第二产品参数，其中，金融产品集合中记录了允许向目标用户推送的金融产品，第一产品参数用于指示参考用户集合中参考用户对目标金融产品的交易完成度之和，交易完成度用于表征用户已经完成交易的产品信息，参考用户是与目标用户之间的用户相似度大于或者等于相似度阈值的用户，第二产品参数用于指示目标用户在第一时间段内对目标金融产品的交易期望度，交易期望度用于表征用户已经完成交易的产品信息以及用户浏览过的产品信息；根据第一产品参数和第二产品参数从金融产品集合中筛选目标金融产品；将目标金融产品推送至目标用户。由于使用了第一产品参数和第二产品参数从金融产品集合中筛选目标金融产品，也就是说，筛选目标金融产品既考虑了与目标用户相似的参考用户集合中参考用户对目标金融产品的交易完成度，还考虑了目标用户在第一时间段内对目标金融产品的交易期望度，因此能够根据与目标用户相似的参考用户集合中参考用户对目标金融产品的交易情况，调整筛选的目标金融产品，因此解决了相关技术中目标金融产品筛选的准确性较低的问题。进而达到了提高目标金融产品筛选的准确性的效果。
所述目标金融产品的筛选装置包括处理器和存储器，上述模块、单元等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来提高目标金融产品筛选的准确性。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。
本发明实施例提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现所述目标金融产品的筛选方法。
本发明实施例提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行所述目标金融产品的筛选方法。
如图8所示，本发明实施例提供了一种电子设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现以下步骤：
接收推送请求，其中，所述推送请求用于请求为目标用户推送金融产品；
响应所述推送请求，检测金融产品集合中的每个目标金融产品对应的第一产品参数，并检测所述金融产品集合中的每个所述目标金融产品对应的第二产品参数，其中，所述金融产品集合中记录了允许向所述目标用户推送的金融产品，所述第一产品参数用于指示参考用户集合中参考用户对所述目标金融产品的交易完成度之和，交易完成度用于表征用户已经完成交易的产品信息，所述参考用户是与目标用户之间的用户相似度大于或者等于相似度阈值的用户，所述第二产品参数用于指示所述目标用户在第一时间段内对所述目标金融产品的交易期望度，交易期望度用于表征用户已经完成交易的产品信息以及用户浏览过的产品信息；
根据所述第一产品参数和所述第二产品参数从所述金融产品集合中筛选推送金融产品；
将所述推送金融产品推送至所述目标用户。
可选的，所述检测金融产品集合中的每个目标金融产品对应的第一产品参数，包括：从全量用户集合中筛选所述参考用户得到所述参考用户集合，其中，所述全量用户集合中包括允许交易金融产品的全量的用户；依次将所述金融产品集合中的每个所述金融产品确定为所述目标金融产品，检测每个所述参考用户对所述目标金融产品的参考交易信息，其中，所述参考交易信息用于指示所述目标金融产品在所述参考用户已经完成交易的金融产品中所占的比例；根据每个所述参考用户与所述目标用户之间的所述用户相似度以及每个所述参考用户对所述目标金融产品的所述参考交易信息，确定所述目标金融产品相对于每个所述参考用户的初始产品参数；计算所述目标金融产品相对于每个所述参考用户的所述初始产品参数之和，得到所述目标金融产品相对于全部所述参考用户的所述第一产品参数。
可选的，所述从全量用户集合中筛选所述参考用户得到所述参考用户集合，包括：获取所述全量用户集合中包括的每个用户的历史交易信息以及所述每个用户的用户信息，其中，所述历史交易信息用于指示所述用户在第二时间段对所述金融产品的交易情况，所述用户信息用于指示所述用户的个人特征；依次将所述全量用户集合中包括的所述每个用户作为候选用户，根据所述候选用户的所述历史交易信息确定所述候选用户与所述目标用户之间的第一相似度，并根据所述候选用户的所述用户信息确定所述候选用户与所述目标用户之间的第二相似度，其中，所述第一相似度用于指示所述候选用户与所述目标用户在已经完成交易的金融产品方面的相似性，所述第二相似度用于指示所述候选用户与所述目标用户在个人特征方面的相似性；根据每个所述候选用户与所述目标用户之间的所述第一相似度和所述第二相似度确定每个所述候选用户的所述用户相似度；提取所述用户相似度大于或者等于所述相似度阈值的所述候选用户作为所述参考用户得到所述参考用户集合。
可选的，所述检测每个所述参考用户对所述目标金融产品的参考交易信息，包括：获取每个所述参考用户购买过的所述目标金融产品的产品数量以及持有所述目标金融产品的持有天数；根据每个所述参考用户的所述产品数量和所述持有天数计算所述目标金融产品在每个所述参考用户已经完成交易的金融产品中所占的比例，得到所述参考交易信息。
可选的，所述检测所述金融产品集合中的每个所述目标金融产品对应的第二产品参数，包括：获取所述目标用户在所述第一时间段内期望交易的期望产品集合中包括的每个期望金融产品的用户交易信息，其中，所述期望产品集合中包括所述目标用户在所述第一时间段内已经完成交易的第一金融产品和所述目标用户在所述第一时间段内期望交易的第二金融产品，所述用户交易信息包括所述第一金融产品的第一产品信息和所述第二金融产品的第二产品信息；根据所述用户交易信息和每个所述目标金融产品的目标产品信息确定每个所述目标金融产品与每个期望金融产品的产品相似度；计算所述目标金融产品与每个期望金融产品的产品相似度之和作为每个所述目标金融产品对应的第二产品参数。
可选的，所述根据所述用户交易信息和每个所述目标金融产品的目标产品信息确定每个所述目标金融产品与所述期望产品集合中包括的每个期望金融产品的产品相似度，包括：依次对比所述目标产品信息和每个所述期望金融产品的所述用户交易信息得到所述目标金融产品与所述期望金融产品之间的初始相似度；获取所述期望金融产品在所述第一时间段内的期望交易次数；根据所述期望交易次数调整所述初始相似度得到每个所述期望金融产品的所述产品相似度。
可选的，所述根据所述第一产品参数和所述第二产品参数从所述金融产品集合中筛选推送金融产品，包括：根据所述第一产品参数和所述第二产品参数确定所述金融产品集合中每个所述金融产品的目标参数，其中，所述目标参数用于指示所述目标用户购买对应的金融产品的概率；按照所述目标参数由大到小的顺序筛选前n个金融产品作为所述推送金融产品，其中，n为大于或者等于1的正整数。
本文中的设备可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序：
接收推送请求，其中，所述推送请求用于请求为目标用户推送金融产品；
响应所述推送请求，检测金融产品集合中的每个目标金融产品对应的第一产品参数，并检测所述金融产品集合中的每个所述目标金融产品对应的第二产品参数，其中，所述金融产品集合中记录了允许向所述目标用户推送的金融产品，所述第一产品参数用于指示参考用户集合中参考用户对所述目标金融产品的交易完成度之和，交易完成度用于表征用户已经完成交易的产品信息，所述参考用户是与目标用户之间的用户相似度大于或者等于相似度阈值的用户，所述第二产品参数用于指示所述目标用户在第一时间段内对所述目标金融产品的交易期望度，交易期望度用于表征用户已经完成交易的产品信息以及用户浏览过的产品信息；
根据所述第一产品参数和所述第二产品参数从所述金融产品集合中筛选推送金融产品；
将所述推送金融产品推送至所述目标用户。
可选的，所述检测金融产品集合中的每个目标金融产品对应的第一产品参数，包括：从全量用户集合中筛选所述参考用户得到所述参考用户集合，其中，所述全量用户集合中包括允许交易金融产品的全量的用户；依次将所述金融产品集合中的每个所述金融产品确定为所述目标金融产品，检测每个所述参考用户对所述目标金融产品的参考交易信息，其中，所述参考交易信息用于指示所述目标金融产品在所述参考用户已经完成交易的金融产品中所占的比例；根据每个所述参考用户与所述目标用户之间的所述用户相似度以及每个所述参考用户对所述目标金融产品的所述参考交易信息，确定所述目标金融产品相对于每个所述参考用户的初始产品参数；计算所述目标金融产品相对于每个所述参考用户的所述初始产品参数之和，得到所述目标金融产品相对于全部所述参考用户的所述第一产品参数。
可选的，所述从全量用户集合中筛选所述参考用户得到所述参考用户集合，包括：获取所述全量用户集合中包括的每个用户的历史交易信息以及所述每个用户的用户信息，其中，所述历史交易信息用于指示所述用户在第二时间段对所述金融产品的交易情况，所述用户信息用于指示所述用户的个人特征；依次将所述全量用户集合中包括的所述每个用户作为候选用户，根据所述候选用户的所述历史交易信息确定所述候选用户与所述目标用户之间的第一相似度，并根据所述候选用户的所述用户信息确定所述候选用户与所述目标用户之间的第二相似度，其中，所述第一相似度用于指示所述候选用户与所述目标用户在已经完成交易的金融产品方面的相似性，所述第二相似度用于指示所述候选用户与所述目标用户在个人特征方面的相似性；根据每个所述候选用户与所述目标用户之间的所述第一相似度和所述第二相似度确定每个所述候选用户的所述用户相似度；提取所述用户相似度大于或者等于所述相似度阈值的所述候选用户作为所述参考用户得到所述参考用户集合。
可选的，所述检测每个所述参考用户对所述目标金融产品的参考交易信息，包括：获取每个所述参考用户购买过的所述目标金融产品的产品数量以及持有所述目标金融产品的持有天数；根据每个所述参考用户的所述产品数量和所述持有天数计算所述目标金融产品在每个所述参考用户已经完成交易的金融产品中所占的比例，得到所述参考交易信息。
可选的，所述检测所述金融产品集合中的每个所述目标金融产品对应的第二产品参数，包括：获取所述目标用户在所述第一时间段内期望交易的期望产品集合中包括的每个期望金融产品的用户交易信息，其中，所述期望产品集合中包括所述目标用户在所述第一时间段内已经完成交易的第一金融产品和所述目标用户在所述第一时间段内期望交易的第二金融产品，所述用户交易信息包括所述第一金融产品的第一产品信息和所述第二金融产品的第二产品信息；根据所述用户交易信息和每个所述目标金融产品的目标产品信息确定每个所述目标金融产品与每个期望金融产品的产品相似度；计算所述目标金融产品与每个期望金融产品的产品相似度之和作为每个所述目标金融产品对应的第二产品参数。
可选的，所述根据所述用户交易信息和每个所述目标金融产品的目标产品信息确定每个所述目标金融产品与所述期望产品集合中包括的每个期望金融产品的产品相似度，包括：依次对比所述目标产品信息和每个所述期望金融产品的所述用户交易信息得到所述目标金融产品与所述期望金融产品之间的初始相似度；获取所述期望金融产品在所述第一时间段内的期望交易次数；根据所述期望交易次数调整所述初始相似度得到每个所述期望金融产品的所述产品相似度。
可选的，所述根据所述第一产品参数和所述第二产品参数从所述金融产品集合中筛选推送金融产品，包括：根据所述第一产品参数和所述第二产品参数确定所述金融产品集合中每个所述金融产品的目标参数，其中，所述目标参数用于指示所述目标用户购买对应的金融产品的概率；按照所述目标参数由大到小的顺序筛选前n个金融产品作为所述推送金融产品，其中，n为大于或者等于1的正整数。
本领域内的技术人员应明白，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。
本申请是参照根据本申请实施例的方法、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。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
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。
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。
以上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 (10)

1.一种目标金融产品的筛选方法，其特征在于，包括：
接收推送请求，其中，所述推送请求用于请求为目标用户推送金融产品；
响应所述推送请求，检测金融产品集合中的每个目标金融产品对应的第一产品参数，并检测所述金融产品集合中的每个所述目标金融产品对应的第二产品参数，其中，所述金融产品集合中记录了允许向所述目标用户推送的金融产品，所述第一产品参数用于指示参考用户集合中参考用户对所述目标金融产品的交易完成度之和，交易完成度用于表征用户已经完成交易的产品信息，所述参考用户是与目标用户之间的用户相似度大于或者等于相似度阈值的用户，所述第二产品参数用于指示所述目标用户在第一时间段内对所述目标金融产品的交易期望度，交易期望度用于表征用户已经完成交易的产品信息以及用户浏览过的产品信息；
根据所述第一产品参数和所述第二产品参数从所述金融产品集合中筛选推送金融产品；
将所述推送金融产品推送至所述目标用户。
2.根据权利要求1所述的方法，其特征在于，所述检测金融产品集合中的每个目标金融产品对应的第一产品参数，包括：
从全量用户集合中筛选所述参考用户得到所述参考用户集合，其中，所述全量用户集合中包括允许交易金融产品的全量的用户；
依次将所述金融产品集合中的每个所述金融产品确定为所述目标金融产品，检测每个所述参考用户对所述目标金融产品的参考交易信息，其中，所述参考交易信息用于指示所述目标金融产品在所述参考用户已经完成交易的金融产品中所占的比例；
根据每个所述参考用户与所述目标用户之间的所述用户相似度以及每个所述参考用户对所述目标金融产品的所述参考交易信息，确定所述目标金融产品相对于每个所述参考用户的初始产品参数；
计算所述目标金融产品相对于每个所述参考用户的所述初始产品参数之和，得到所述目标金融产品相对于全部所述参考用户的所述第一产品参数。
3.根据权利要求2所述的方法，其特征在于，所述从全量用户集合中筛选所述参考用户得到所述参考用户集合，包括：
获取所述全量用户集合中包括的每个用户的历史交易信息以及所述每个用户的用户信息，其中，所述历史交易信息用于指示所述用户在第二时间段对所述金融产品的交易情况，所述用户信息用于指示所述用户的个人特征；
依次将所述全量用户集合中包括的所述每个用户作为候选用户，根据所述候选用户的所述历史交易信息确定所述候选用户与所述目标用户之间的第一相似度，并根据所述候选用户的所述用户信息确定所述候选用户与所述目标用户之间的第二相似度，其中，所述第一相似度用于指示所述候选用户与所述目标用户在已经完成交易的金融产品方面的相似性，所述第二相似度用于指示所述候选用户与所述目标用户在个人特征方面的相似性；
根据每个所述候选用户与所述目标用户之间的所述第一相似度和所述第二相似度确定每个所述候选用户的所述用户相似度；
提取所述用户相似度大于或者等于所述相似度阈值的所述候选用户作为所述参考用户得到所述参考用户集合。
4.根据权利要求2所述的方法，其特征在于，所述检测每个所述参考用户对所述目标金融产品的参考交易信息，包括：
获取每个所述参考用户购买过的所述目标金融产品的产品数量以及持有所述目标金融产品的持有天数；
根据每个所述参考用户的所述产品数量和所述持有天数计算所述目标金融产品在每个所述参考用户已经完成交易的金融产品中所占的比例，得到所述参考交易信息。
5.根据权利要求1所述的方法，其特征在于，所述检测所述金融产品集合中的每个所述目标金融产品对应的第二产品参数，包括：
获取所述目标用户在所述第一时间段内期望交易的期望产品集合中包括的每个期望金融产品的用户交易信息，其中，所述期望产品集合中包括所述目标用户在所述第一时间段内已经完成交易的第一金融产品和所述目标用户在所述第一时间段内期望交易的第二金融产品，所述用户交易信息包括所述第一金融产品的第一产品信息和所述第二金融产品的第二产品信息；
根据所述用户交易信息和每个所述目标金融产品的目标产品信息确定每个所述目标金融产品与每个期望金融产品的产品相似度；
计算所述目标金融产品与每个期望金融产品的产品相似度之和作为每个所述目标金融产品对应的第二产品参数。
6.根据权利要求5所述的方法，其特征在于，所述根据所述用户交易信息和每个所述目标金融产品的目标产品信息确定每个所述目标金融产品与所述期望产品集合中包括的每个期望金融产品的产品相似度，包括：
依次对比所述目标产品信息和每个所述期望金融产品的所述用户交易信息得到所述目标金融产品与所述期望金融产品之间的初始相似度；
获取所述期望金融产品在所述第一时间段内的期望交易次数；
根据所述期望交易次数调整所述初始相似度得到每个所述期望金融产品的所述产品相似度。
7.根据权利要求1所述的方法，其特征在于，所述根据所述第一产品参数和所述第二产品参数从所述金融产品集合中筛选推送金融产品，包括：
根据所述第一产品参数和所述第二产品参数确定所述金融产品集合中每个所述金融产品的目标参数，其中，所述目标参数用于指示所述目标用户购买对应的金融产品的概率；
按照所述目标参数由大到小的顺序筛选前n个金融产品作为所述推送金融产品，其中，n为大于或者等于1的正整数。
8.一种目标金融产品的筛选装置，其特征在于，包括：
接收模块，用于接收推送请求，其中，所述推送请求用于请求为目标用户推送金融产品；
检测模块，用于响应所述推送请求，检测金融产品集合中的每个目标金融产品对应的第一产品参数，并检测所述金融产品集合中的每个所述目标金融产品对应的第二产品参数，其中，所述金融产品集合中记录了允许向所述目标用户推送的金融产品，所述第一产品参数用于指示参考用户集合中参考用户对所述目标金融产品的交易完成度之和，交易完成度用于表征用户已经完成交易的产品信息，所述参考用户是与目标用户之间的用户相似度大于或者等于相似度阈值的用户，所述第二产品参数用于指示所述目标用户在第一时间段内对所述目标金融产品的交易期望度，交易期望度用于表征用户已经完成交易的产品信息以及用户浏览过的产品信息；
筛选模块，用于根据所述第一产品参数和所述第二产品参数从所述金融产品集合中筛选推送金融产品；
推送模块，用于将所述推送金融产品推送至所述目标用户。
9.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至7中任意一项所述的方法。
10.一种电子设备，其特征在于，包括一个或多个处理器和存储器，所述存储器用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现权利要求1至7中任意一项所述的方法。
CN202410380011.0A 2024-03-29 2024-03-29 目标金融产品的筛选方法、装置、存储介质和电子设备 Pending CN118154326A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410380011.0A CN118154326A (zh) 2024-03-29 2024-03-29 目标金融产品的筛选方法、装置、存储介质和电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410380011.0A CN118154326A (zh) 2024-03-29 2024-03-29 目标金融产品的筛选方法、装置、存储介质和电子设备

Publications (1)

Publication Number Publication Date
CN118154326A true CN118154326A (zh) 2024-06-07

Family

ID=91286546

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410380011.0A Pending CN118154326A (zh) 2024-03-29 2024-03-29 目标金融产品的筛选方法、装置、存储介质和电子设备

Country Status (1)

Country Link
CN (1) CN118154326A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118521400A (zh) * 2024-07-24 2024-08-20 杭银消费金融股份有限公司 一种面向下沉客群的小样本信用风险评分方法及系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118521400A (zh) * 2024-07-24 2024-08-20 杭银消费金融股份有限公司 一种面向下沉客群的小样本信用风险评分方法及系统

Similar Documents

Publication Publication Date Title
CN111784455B (zh) 一种物品推荐方法及推荐设备
US10366451B2 (en) System and method for prediction using synthetic features and gradient boosted decision tree
CN107798607A (zh) 资产配置策略获取方法、装置、计算机设备和存储介质
CN118154326A (zh) 目标金融产品的筛选方法、装置、存储介质和电子设备
CN113781139B (zh) 物品推荐方法、物品推荐装置、设备和介质
CN112015909B (zh) 知识图谱的构建方法及装置、电子设备、存储介质
CN111582932A (zh) 场景间信息推送方法、装置、计算机设备及存储介质
JP2019185595A (ja) 情報処理装置、情報処理方法、情報処理プログラム、判定装置、判定方法及び判定プログラム
US20190205702A1 (en) System and method for recommending features for content presentations
US20220261818A1 (en) System and method for determining and managing reputation of entities and industries through use of media data
CN111538909A (zh) 一种信息推荐方法及装置
CN112200215B (zh) 标签特征提取方法、装置、存储介质与电子设备
CN116800831B (zh) 一种业务数据推送方法、装置、存储介质及处理器
CN105512914B (zh) 一种信息处理方法及电子设备
CN116821759A (zh) 类别标签的识别预测方法、装置和处理器及电子设备
CN115965468A (zh) 基于交易数据的异常行为检测方法、装置、设备及介质
CN115271852A (zh) 车贷金融产品方案推荐方法及装置、存储介质及电子设备
CN112508615B (zh) 特征提取方法、特征提取装置、存储介质与电子设备
CN115018576A (zh) 金融数据处理方法、装置、设备及存储介质
CN115860889A (zh) 一种基于人工智能的金融贷款大数据管理方法及系统
CN113254775A (zh) 一种基于客户浏览行为序列的信用卡产品推荐方法
US11989243B2 (en) Ranking similar users based on values and personal journeys
Locatelli et al. How AI Models Are Built
Pyda Feature Engineering and Machine Learning Methodologies using Customer Debit and Credit Transactions for Predicting Savings Account and Home Equity Line of Credit Acquisition
Chate Behavioral Modelling of Customer Marketing Patterns and Review Prediction Using Machine Learning Techniques

Legal Events

Date Code Title Description
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination