WO2020006834A1 - 金融机构推荐方法、设备、存储介质及装置 - Google Patents
金融机构推荐方法、设备、存储介质及装置 Download PDFInfo
- Publication number
- WO2020006834A1 WO2020006834A1 PCT/CN2018/102052 CN2018102052W WO2020006834A1 WO 2020006834 A1 WO2020006834 A1 WO 2020006834A1 CN 2018102052 W CN2018102052 W CN 2018102052W WO 2020006834 A1 WO2020006834 A1 WO 2020006834A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- financial institution
- target
- historical
- point set
- interest point
- Prior art date
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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Technology Law (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了一种金融机构推荐方法、设备、存储介质及装置,该方法包括:获取历史用户对预设范围内的各待定金融机构的历史用户评价,从历史用户评价中提取出历史兴趣点集合;从历史用户评价中提取出目标用户的目标用户评价,从目标用户评价中提取出目标兴趣点集合,历史用户包括目标用户;根据历史兴趣点集合与目标兴趣点集合通过协同过滤推荐算法确定目标金融机构;将目标金融机构推送至目标用户。
Description
本申请要求于2018年07月06日提交中国专利局、申请号为201810747893.4、发明名称为“金融机构推荐方法、设备、存储介质及装置”的中国专利申请的优先权,其全部内容通过引用结合在申请中。
本申请涉及信息推送的技术领域,尤其涉及一种金融机构推荐方法、设备、存储介质及装置。
用户需要办理金融业务时,现有的地图搜索只是笼统的将与用户搜索内容相匹配的金融机构的地址推荐给用户,而没有根据用户的具体需求,例如保险、股票或银行等金融领域特定搜索词为用户推荐更加有用的内容,用户需要在推荐的金融机构地址中再查找符合自身需求的金融机构的地址信息,效率低,仅从推荐的金融机构的地址信息中用户并不能很好的筛选出符合自身需求的金融机构。因此,如何为用户推荐更符合用户需求的金融机构的地址是亟待解决的技术问题。
发明内容
本申请的主要目的在于提供一种金融机构推荐方法、设备、存储介质及装置,旨在解决现有技术中为用户推荐的金融机构不能满足用户的具体需求的技术问题。
为实现上述目的,本申请提供一种金融机构推荐方法,所述金融机构推荐方法包括以下步骤:
获取历史用户对预设范围内的各待定金融机构的历史用户评价,从所述历史用户评价中提取出历史兴趣点集合;
从所述历史用户评价中提取出目标用户的目标用户评价,从所述目标用户评价中提取出目标兴趣点集合,所述历史用户包括所述目标用户;
根据所述历史兴趣点集合与所述目标兴趣点集合通过协同过滤推荐算法 确定目标金融机构;
将所述目标金融机构推送至所述目标用户。
此外,为实现上述目的,本申请还提出一种金融机构推荐设备,所述金融机构推荐设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的金融机构推荐可读指令,所述金融机构推荐可读指令配置为实现如上文所述的金融机构推荐方法的步骤。
此外,为实现上述目的,本申请还提出一种存储介质,所述存储介质上存储有金融机构推荐可读指令,所述金融机构推荐可读指令被处理器执行时实现如上文所述的金融机构推荐方法的步骤。
此外,为实现上述目的,本申请还提出一种金融机构推荐装置,所述金融机构推荐装置包括:获取模块,用于获取历史用户对预设范围内的各待定金融机构的历史用户评价,从所述历史用户评价中提取出历史兴趣点集合;
提取模块,用于从所述历史用户评价中提取出目标用户的目标用户评价,从所述目标用户评价中提取出目标兴趣点集合,所述历史用户包括所述目标用户;
确定模块,用于根据所述历史兴趣点集合与所述目标兴趣点集合通过协同过滤推荐算法确定目标金融机构;
推送模块,用于将所述目标金融机构推送至所述目标用户。
图1是本申请实施例方案涉及的硬件运行环境的金融机构推荐设备的结构示意图;
图2为本申请金融机构推荐方法第一实施例的流程示意图;
图3为本申请金融机构推荐方法第二实施例的流程示意图;
图4为本申请金融机构推荐方法第三实施例的流程示意图;
图5为本申请金融机构推荐装置第一实施例的结构框图。
本申请目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
应当理解,此处所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。
参照图1,图1为本申请实施例方案涉及的硬件运行环境的金融机构推荐设备结构示意图。
如图1所示,该金融机构推荐设备可以包括:处理器1001,例如中央处理器(Central Processing Unit,CPU),通信总线1002、客户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。客户接口1003可以包括显示屏(Display),可选客户接口1003还可以包括标准的有线接口、无线接口,对于客户接口1003的有线接口在本申请中可为USB接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity,WI-FI)接口)。存储器1005可以是高速的随机存取存储器(Random Access Memory,RAM)存储器,也可以是稳定的存储器(Non-volatile Memory,NVM),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的结构并不构成对金融机构推荐设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,认定为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、客户接口模块以及金融机构推荐可读指令。
在图1所示的金融机构推荐设备中,网络接口1004主要用于连接后台服务器,与所述后台服务器进行数据通信;客户接口1003主要用于连接所述客户端;所述金融机构推荐设备通过处理器1001调用存储器1005中存储的金融机构推荐可读指令,并执行本申请实施例提供的金融机构推荐方法。
基于上述硬件结构,提出本申请金融机构推荐方法的实施例。
参照图2,图2为本申请金融机构推荐方法第一实施例的流程示意图,提出本申请金融机构推荐方法第一实施例。
在第一实施例中,所述金融机构推荐方法包括以下步骤:
步骤S10:获取历史用户对预设范围内的各待定金融机构的历史用户评价,从所述历史用户评价中提取出历史兴趣点集合。
应理解的是,本实施例的执行主体是金融机构推荐设备,其中,所述金 融机构推荐设备可为个人电脑、服务器等电子设备。所述预设范围可由用户根据自身需求通过所述金融机构推荐设备进行设置,比如所述预设范围可以是所述目标用户所处的城市。在获取历史用户对预设范围内的各待定金融机构的历史用户评价之前,可以是用户通过所述金融机构推荐设备触发的金融机构搜索指令,还可以是后台服务器定时触发的所述金融机构搜索指令,响应于所述金融机构搜索指令,从所述金融机构搜索指令中提取出所述预设范围,再执行所述获取历史用户对预设范围内的各待定金融机构的历史用户评价,从所述历史用户评价中提取出历史兴趣点集合。
可理解的是,可将所述预设范围内能搜索到的所有的金融机构作为所述待定金融机构,所述历史用户评价指的是所有浏览过所述待定金融机构的历史用户对所述待定金融机构所做出的评价,所述历史用户评价包括对所述待定金融机构的各种业务种类和/或服务态度等的评价。所述历史兴趣点集合指的是所述历史用户的偏好文件,可从所述历史用户的浏览记录和/或购买记录中获取所述历史用户对各待定金融机构的历史用户评价,从所述历史用户评价中提取出各历史用户的兴趣点。从每个历史用户的所述历史用户评价中提取一个兴趣点(Point of Interest,简写PoI),构成所述历史兴趣点集合。为了识别各历史用户的兴趣点,可采用轨迹停靠点和移动点(Stop and Moves of Trajectories,简写SMoT)方法,所述SMoT方法以所述历史用户评价为输入,输出每个所述历史用户的所述历史用户评价中的一个核心评价点作为兴趣点。
步骤S20:从所述历史用户评价中提取出目标用户的目标用户评价,从所述目标用户评价中提取出目标兴趣点集合,所述历史用户包括所述目标用户。
在具体实现中,所述历史用户为所有浏览过所述待定金融机构相关信息的用户,所述目标用户为所述历史用户中的一个用户。所述历史用户评价包括所述目标用户的目标用户评价,每个历史用户都有唯一的用户标识,可通过所述目标用户的目标用户标识从所述历史用户评价中查找到与所述目标用户标识对应的目标用户评价。通常所述目标用户评价可能有多条,从每条所述目标用户评价中提取一个核心评价点作为该条评价的兴趣点,多条所述目标用户评价对应多个所述兴趣点,构成所述目标兴趣点集合。
步骤S30:根据所述历史兴趣点集合与所述目标兴趣点集合通过协同过滤 推荐算法确定目标金融机构。
需要说明的是,所述协同过滤推荐算法为根据所述历史兴趣点集合和所述目标兴趣点集合,创建所述目标用户专属的推荐内容。包括基于用户的协同过滤(User-based collaboratIve filtering)算法和基于物品的协同过滤(Item-based collaboratIve filtering)算法,所述用户为所述历史用户,所述物品为所述待定金融机构。
应理解的是,所述基于所述历史用户的协同过滤算法包括:分析各个所述历史用户对所述待定金融机构的所述历史用户评价,获得所述历史兴趣点集合;依据所述历史兴趣点集合计算得出所述目标用户与所述历史用户中除了所述目标用户之外的其他历史用户之间的相似度;选出与所述目标用户相似度较高的第一预设数量的所述历史用户;将所述第一预设数量的所述历史用户的评价最高并且所述目标用户又没有浏览过的待定金融机构推荐给所述目标用户。
可理解的是,所述基于所述待定金融机构的协同过滤算法包括:分析各个所述历史用户对所述待定金融机构的所述历史用户评价,获得所述历史兴趣点集合;依据所述历史兴趣点集合分析得出所述历史兴趣点集合中的待定金融机构之间的相似度;根据所述目标兴趣点确定所述目标用户的评价最高的待定金融机构,找出与所述评价最高的金融机构相似度最高的第二预设数量所述待定金融机构;将所述相似度最高的第二预设数量所述待定金融机构推荐给所述目标用户。
步骤S40:将所述目标金融机构推送至所述目标用户。
在具体实现中,将通过所述协同过滤推荐算法筛选出来的所述目标金融机构,基于所述历史用户对预设范围内的待定金融机构的历史用户评价,结合了所述目标用户的目标用户评价,使得所述目标金融机构更符合所述目标用户的需求,可获取所述目标金融机构的相关信息,比如地址信息和主要业务种类信息等,将所述目标金融机构的相关信息推送至所述目标用户,以使所述目标用户通过所述目标金融机构的相关信息快速找到所述目标金融机构进行相关金融业务的办理。
在第一实施例中,通过获取历史用户对预设范围内的各待定金融机构的历史用户评价,从所述历史用户评价中提取出历史兴趣点集合,从所述历史 用户评价中提取出目标用户的目标用户评价,从所述目标用户评价中提取出目标兴趣点集合,所述历史用户包括所述目标用户,所述历史兴趣点集合体现了历史用户的偏好,所述目标兴趣点集合体现了所述目标用户的偏好,则根据所述历史兴趣点集合与所述目标兴趣点集合通过协同过滤推荐算法确定目标金融机构,所述目标金融机构更符合所述目标用户的偏好,将所述目标金融机构推送至所述目标用户,所述目标金融机构更符合用户需求,为用户推送了更有用的信息,提高用户体验。
参照图3,图3为本申请金融机构推荐方法第二实施例的流程示意图,基于上述图2所示的第一实施例,提出本申请金融机构推荐方法的第二实施例。
在第二实施例中,所述步骤S30,包括:
步骤S301:根据所述历史兴趣点集合与所述目标兴趣点集合通过第一相似度公式计算所述目标用户与各历史用户中除了所述目标用户之外的第一用户之间的第一相似度。
可理解的是,本实施例提出基于所述历史用户的协同过滤算法来确定所述目标金融机构。所述历史兴趣点集合为从每个历史用户的每条所述历史用户评价中提取对应的一个兴趣点所构成的集合,提取出的每个兴趣点通常包括对应的待定金融机构的唯一标识信息、评价的等级和评价的业务或服务等信息。所述目标兴趣点集合为从所述目标用户的每条所述目标用户评价中提取对应的一个兴趣点所构成的集合,提取出的每个兴趣点通常包括对应的待定金融机构的唯一标识信息、评价的等级和评价的业务或服务等信息。则可通过所述历史兴趣点集合与所述目标兴趣点集合计算所述目标用户与各历史用户中除了所述目标用户之外的第一用户之间的第一相似度。
进一步地,所述步骤S301,包括:
统计所述历史兴趣点集合与所述目标兴趣点集合的共同兴趣点集合;
根据所述共同兴趣点集合、所述历史兴趣点集合与所述目标兴趣点集合通过第一相似度公式计算所述目标用户与各历史用户中除了所述目标用户之外的第一用户之间的第一相似度。
应理解的是,所述第一相似度公式为:
其中,|POIS
a|和|POIS
b|分别表示历史用户a和目标用户b所浏览的兴趣点集合,|POIS
a,b|表示所述历史用户a和所述目标用户b同时浏览的所述共同兴趣点集合。可知,根据所述共同兴趣点集合、所述历史兴趣点集合与所述目标兴趣点集合通过所述第一相似度公式可计算所述目标用户与各历史用户中除了所述目标用户之外的第一用户之间的第一相似度。
进一步地,所述统计所述历史兴趣点集合与所述目标兴趣点集合的共同兴趣点集合之后,还包括:
获取所述共同兴趣点集合中的各金融机构的访问频率;
所述根据所述共同兴趣点集合、所述历史兴趣点集合与所述目标兴趣点集合通过第一相似度公式计算所述目标用户与各历史用户中除了所述目标用户之外的第一用户之间的第一相似度,包括:
根据所述访问频率、所述共同兴趣点集合、所述历史兴趣点集合与所述目标兴趣点集合通过第一相似度公式计算所述目标用户与各历史用户中除了所述目标用户之外的第一用户之间的第一相似度。
在具体实现中,如果两个所述历史用户一起浏览了一个被极少数所述历史用户浏览的所述待定金融机构,那么他们之间的相似度肯定会比他们一同浏览了一个很多人都浏览的所述待定金融机构的相似度要高。例如一个被很多所述历史用户参观的待定金融机构A,如果发现历史用户a和历史用户b同时参观了所述待定金融机构A,并不代表所述历史用户a和所述历史用户b之间有很高的相似度,因为所述待定金融机构A可能是所述预设范围内的标杆金融机构,很多人都会选择浏览,而一个很少被人浏览的所述待定金融机构,如果所述历史用户a和所述历史用户b同时参观了,那么他们之间的偏好相似度就会很高。因此,一个待定金融机构的参观频率在相似度衡量的时候也可以被考虑进去。下面是加入了所述待定金融机构访问频率的相似度计算公式,也就是说,所述第一相似度公式还可以是:
其中,|POIS
a|和|POIS
b|分别表示历史用户a和目标用户b所参观的兴趣点集合,|POIS
a,b|表示所述历史用户a和所述目标用户b同时参观的所述共同兴趣点集合,F
p表示待定金融机构p的访问平率。可知,根据所述访问频率、所述共同兴趣点集合、所述历史兴趣点集合与所述目标兴趣点集合通过第一相似度公式计算所述目标用户与各历史用户中除了所述目标用户之外的第一用户之间的第一相似度。
步骤S302:按照所述第一相似度从大到小顺序选择第一预设数量的所述第一用户作为第二用户。
需要说明的是,所述第一相似度越大说明所述第一相似度对应的历史用户与所述目标用户的需求和喜好越接近,将所述第一相似度按照从大到小顺序排列,按照所述第一相似度从大到小顺序选择第一预设数量的所述第一用户作为第二用户,则所述第二用户为所述历史用户中与所述目标用户最相近的第一预设数量的历史用户,所述第二用户对各个待定金融机构的评价也最能体现所述目标用户的意向。
步骤S303:根据所述历史用户评价将所述第二用户评价最高的待定金融机构作为目标金融机构。
应理解的是,所述历史用户评价包括所有历史用户对各待定金融机构的评价,则从所述历史用户评价中查找到所述第二用户所做出的第二用户评价,将所述第二用户评价最高的待定金融机构作为所述目标金融机构,从而保证推荐的所述目标金融机构即能更符合所述目标用户的需求,又有较好的口碑保证,从而提升所述目标用户的体验。
进一步地,所述步骤S303,包括:
根据所述历史用户评价将所述第二用户评价最高的待定金融机构作为待选取金融机构;
选取所述目标用户未访问过的所述待选取金融机构作为目标金融机构。
可理解的是,通常所述目标用户访问过的所述待选取金融机构的相关信息所述目标用户比较了解,所述目标用户当前搜索金融机构更多的是想了解其他未曾访问过的所述待定金融机构是否有更好的选择,则将将所述第二用户评价最高的待定金融机构作为待选取金融机构,再从所述待选取金融机构中选取所述目标用户未访问过的所述待选取金融机构作为目标金融机构,能 更符合所述目标用户的当前需求。
本实施例中,根据所述历史兴趣点集合与所述目标兴趣点集合通过第一相似度公式计算所述目标用户与各历史用户中除了所述目标用户之外的第一用户之间的第一相似度,按照所述第一相似度从大到小顺序选择第一预设数量的所述第一用户作为第二用户,所述第一相似度越大说明所述第一相似度对应的历史用户与所述目标用户的需求和喜好越接近,根据所述历史用户评价将所述第二用户评价最高的待定金融机构作为目标金融机构,从而保证推荐的所述目标金融机构即能更符合所述目标用户的需求,又有较好的口碑保证,从而提升所述目标用户的体验。
参照图4,图4为本申请金融机构推荐方法第三实施例的流程示意图,基于上述图2所示的第一实施例,提出本申请金融机构推荐方法的第三实施例。
在第三实施例中,所述步骤S30,包括:
步骤S304:从所述目标兴趣点集合中提取出所述目标用户评价最高的待定金融机构作为第一金融机构。
应理解的是,本实施例提出基于所述待定金融机构的协同过滤算法来确定所述目标金融机构。所述目标兴趣点集合为所述目标用户的每条评价中最核心的评价点,通常包括评价的待定金融机构的唯一标识信息、评价的等级和评价的业务或服务等信息。所述目标用户评价最高的待定金融机构通常最符合所述目标用户的需求和偏好,将所述目标用户评价最高的待定金融机构作为所述第一金融机构,则所述第一金融机构能够代表所述目标用户的需求。
步骤S305:通过第二相似度公式计算所述第一金融机构与所述历史兴趣点集合中的第二金融机构之间的第二相似度。
可理解的是,可通过获取所述第一金融机构的所有第一业务种类,并获取所述第二金融机构的所有的第二业务种类,根据所述第一业务种类和所述第二业务种类通过所述第二相似度公式计算所述第一金融机构与所述历史兴趣点集合中的第二金融机构之间的第二相似度。所述第二相似度公式为:
其中,|POIS
c|和|POIS
d|分别表示第一金融机构c和第二金融机构d对应的所述第一业务种类和所述第二业务种类,|POIS
c,d|表示所述第一金融机构c和 所述第二金融机构d的共同业务种类。可知,根据所述第一业务种类、所述第二业务种类与所述共同业务种类通过所述第二相似度公式可计算所述第一金融机构和所述第二金融机构之间的所述第一相似度。
进一步地,所述步骤S305,包括:
获取所述第一金融机构的各第一业务种类,并获取所述历史兴趣点集合中的第二金融机构的各第二业务种类;
统计所述第一业务种类和所述第二业务种类的共同业务种类;
获取所述共同业务种类在所述待定金融机构中出现的概率;
根据所述概率、所述共同业务种类、所述第一业务种类与所述第二业务种类通过第二相似度公式计算所述第一金融机构与所述历史兴趣点集合中的第二金融机构之间的第二相似度。
在具体实现中,如果所述第一金融机构和所述第二金融机构包括一个被极少数待定金融机构所具有的共同业务种类,那么他们之间的相似度肯定会比他们共同具有一个很多所述待定金融机构都具有的业务种类的相似度要高。例如一种业务种类B是很多所述待定金融机构都具有的业务种类,如果发现所述第一金融机构c和所述第二金融机构d同时包括所述业务种类B,并不代表所述所述第一金融机构c和所述第二金融机构d之间有很高的相似度,因为所述业务种类B可能是所述预设范围内的常规业务种类,很多待定金融机构都包括所述业务种类B,而一个很少数的所述待定金融机构具有的业务种类C,如果所述第一金融机构c和所述第二金融机构d同时包括所述业务种类C,那么所述第一金融机构c和所述第二金融机构d之间的偏好相似度就会很高。因此,所述共同业务种类在各待定金融机构的所有业务种类中出现的概率在相似度衡量的时候也可以被考虑进去。下面是加入了所述待定金融机中出现所述共同业务种类的概率的相似度计算公式,也就是说,所述第二相似度公式还可以是:
其中,|POIS
c|和|POIS
d|分别表示第一金融机构c和第二金融机构d对应的所述第一业务种类和所述第二业务种类,|POIS
c,d|表示所述第一金融机构c和 所述第二金融机构d的共同业务种类,F
m表示所述共同业务种类m在所述待定金融机构中出现的概率。可知,根据所述概率、所述第一业务种类、所述第二业务种类与所述共同业务种类通过上述第二相似度公式可计算所述第一金融机构和所述第二金融机构之间的所述第一相似度。
步骤S306:按照所述第二相似度从大到小顺序选择第二预设数量的所述第二金融机构作为目标金融机构。
需要说明的是,所述第二相似度越大说明对应的所述第二金融机构与所述第一金融机构的业务种类或服务越接近,所述第一金融机构为所述目标用户评价最高的待定金融机构,所以所述第二相似度越大的所述第二金融机构更符合所述目标用户的需求和偏好,按照所述第二相似度从大到小顺序选择第二预设数量的所述第二金融机构作为目标金融机构,从而保证所述目标金融机构更符合所述目标用户的需求和偏好,将所述目标金融机构的相关信息推送至所述目标用户,能够提升所述目标用户的体验。
在第三实施例中,从所述目标兴趣点集合中提取出所述目标用户评价最高的待定金融机构作为第一金融机构,通过第二相似度公式计算所述第一金融机构与所述历史兴趣点集合中的第二金融机构之间的第二相似度,按照所述第二相似度从大到小顺序选择第二预设数量的所述第二金融机构作为目标金融机构,从而保证所述目标金融机构更符合所述目标用户的需求和偏好,将所述目标金融机构的相关信息推送至所述目标用户,能够提升所述目标用户的体验。
此外,本申请实施例还提出一种存储介质,所述存储介质上存储有金融机构推荐可读指令,所述金融机构推荐可读指令被处理器执行时实现如上文所述的金融机构推荐方法的步骤。所述存储介质可以为非易失性可读存储介质。
此外,参照图5,本申请实施例还提出一种金融机构推荐装置,所述金融机构推荐装置包括:获取模块10,用于获取历史用户对预设范围内的各待定金融机构的历史用户评价,从所述历史用户评价中提取出历史兴趣点集合;
提取模块20,用于从所述历史用户评价中提取出目标用户的目标用户评 价,从所述目标用户评价中提取出目标兴趣点集合,所述历史用户包括所述目标用户;
确定模块30,用于根据所述历史兴趣点集合与所述目标兴趣点集合通过协同过滤推荐算法确定目标金融机构;
推送模块40,用于将所述目标金融机构推送至所述目标用户。
需要说明的是,本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
本申请所述金融机构推荐装置的其他实施例或具体实现方式可参照上述各方法实施例,此处不再赘述。
需要说明的是,在本文中,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、物品或者系统不仅包括那些要素,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、物品或者系统所固有的要素。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如只读存储器镜像(Read Only Memory image,ROM)/随机存取存储器(Random Access Memory,RAM)、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
以上仅为本申请的优选实施例,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (20)
- 一种金融机构推荐方法,其特征在于,所述金融机构推荐方法包括以下步骤:获取历史用户对预设范围内的各待定金融机构的历史用户评价,从所述历史用户评价中提取出历史兴趣点集合;从所述历史用户评价中提取出目标用户的目标用户评价,从所述目标用户评价中提取出目标兴趣点集合,所述历史用户包括所述目标用户;根据所述历史兴趣点集合与所述目标兴趣点集合通过协同过滤推荐算法确定目标金融机构;将所述目标金融机构推送至所述目标用户。
- 如权利要求1所述的金融机构推荐方法,其特征在于,所述根据所述历史兴趣点集合与所述目标兴趣点集合通过协同过滤推荐算法确定目标金融机构,包括:根据所述历史兴趣点集合与所述目标兴趣点集合通过第一相似度公式计算所述目标用户与各历史用户中除了所述目标用户之外的第一用户之间的第一相似度;按照所述第一相似度从大到小顺序选择第一预设数量的所述第一用户作为第二用户;根据所述历史用户评价将所述第二用户评价最高的待定金融机构作为目标金融机构。
- 如权利要求2所述的金融机构推荐方法,其特征在于,所述根据所述历史兴趣点集合与所述目标兴趣点集合通过第一相似度公式计算所述目标用户与各历史用户中除了所述目标用户之外的第一用户之间的第一相似度,包括:统计所述历史兴趣点集合与所述目标兴趣点集合的共同兴趣点集合;根据所述共同兴趣点集合、所述历史兴趣点集合与所述目标兴趣点集合通过第一相似度公式计算所述目标用户与各历史用户中除了所述目标用户之 外的第一用户之间的第一相似度。
- 如权利要求3所述的金融机构推荐方法,其特征在于,所述统计所述历史兴趣点集合与所述目标兴趣点集合的共同兴趣点集合之后,所述金融机构推荐方法还包括:获取所述共同兴趣点集合中的各金融机构的访问频率;所述根据所述共同兴趣点集合、所述历史兴趣点集合与所述目标兴趣点集合通过第一相似度公式计算所述目标用户与各历史用户中除了所述目标用户之外的第一用户之间的第一相似度,包括:根据所述访问频率、所述共同兴趣点集合、所述历史兴趣点集合与所述目标兴趣点集合通过第一相似度公式计算所述目标用户与各历史用户中除了所述目标用户之外的第一用户之间的第一相似度。
- 如权利要求2所述的金融机构推荐方法,其特征在于,所述根据所述历史用户评价将所述第二用户评价最高的待定金融机构作为目标金融机构,包括:根据所述历史用户评价将所述第二用户评价最高的待定金融机构作为待选取金融机构;选取所述目标用户未访问过的所述待选取金融机构作为目标金融机构。
- 如权利要求1所述的金融机构推荐方法,其特征在于,所述根据所述历史兴趣点集合与所述目标兴趣点集合通过协同过滤推荐算法确定目标金融机构,包括:从所述目标兴趣点集合中提取出所述目标用户评价最高的待定金融机构作为第一金融机构;通过第二相似度公式计算所述第一金融机构与所述历史兴趣点集合中的第二金融机构之间的第二相似度;按照所述第二相似度从大到小顺序选择第二预设数量的所述第二金融机构作为目标金融机构。
- 如权利要求6所述的金融机构推荐方法,其特征在于,所述通过第二相似度公式计算所述第一金融机构与所述历史兴趣点集合中的第二金融机构之间的第二相似度,包括:获取所述第一金融机构的各第一业务种类,并获取所述历史兴趣点集合中的第二金融机构的各第二业务种类;统计所述第一业务种类和所述第二业务种类的共同业务种类;获取所述共同业务种类在所述待定金融机构中出现的概率;根据所述概率、所述共同业务种类、所述第一业务种类与所述第二业务种类通过第二相似度公式计算所述第一金融机构与所述历史兴趣点集合中的第二金融机构之间的第二相似度。
- 一种金融机构推荐设备,其特征在于,所述金融机构推荐设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的金融机构推荐可读指令,所述金融机构推荐可读指令被所述处理器执行时实现以下步骤:获取历史用户对预设范围内的各待定金融机构的历史用户评价,从所述历史用户评价中提取出历史兴趣点集合;从所述历史用户评价中提取出目标用户的目标用户评价,从所述目标用户评价中提取出目标兴趣点集合,所述历史用户包括所述目标用户;根据所述历史兴趣点集合与所述目标兴趣点集合通过协同过滤推荐算法确定目标金融机构;将所述目标金融机构推送至所述目标用户。
- 如权利要求8所述的金融机构推荐设备,其特征在于,所述根据所述历史兴趣点集合与所述目标兴趣点集合通过协同过滤推荐算法确定目标金融机构的步骤包括:根据所述历史兴趣点集合与所述目标兴趣点集合通过第一相似度公式计算所述目标用户与各历史用户中除了所述目标用户之外的第一用户之间的第一相似度;按照所述第一相似度从大到小顺序选择第一预设数量的所述第一用户作 为第二用户;根据所述历史用户评价将所述第二用户评价最高的待定金融机构作为目标金融机构。
- 如权利要求9所述的金融机构推荐设备,其特征在于,所述根据所述历史兴趣点集合与所述目标兴趣点集合通过第一相似度公式计算所述目标用户与各历史用户中除了所述目标用户之外的第一用户之间的第一相似度的步骤包括:统计所述历史兴趣点集合与所述目标兴趣点集合的共同兴趣点集合;根据所述共同兴趣点集合、所述历史兴趣点集合与所述目标兴趣点集合通过第一相似度公式计算所述目标用户与各历史用户中除了所述目标用户之外的第一用户之间的第一相似度。
- 如权利要求10所述的金融机构推荐设备,其特征在于,所述统计所述历史兴趣点集合与所述目标兴趣点集合的共同兴趣点集合的步骤之后包括:获取所述共同兴趣点集合中的各金融机构的访问频率;所述根据所述共同兴趣点集合、所述历史兴趣点集合与所述目标兴趣点集合通过第一相似度公式计算所述目标用户与各历史用户中除了所述目标用户之外的第一用户之间的第一相似度,包括:根据所述访问频率、所述共同兴趣点集合、所述历史兴趣点集合与所述目标兴趣点集合通过第一相似度公式计算所述目标用户与各历史用户中除了所述目标用户之外的第一用户之间的第一相似度。
- 如权利要求8所述的金融机构推荐设备,其特征在于,所述根据所述历史兴趣点集合与所述目标兴趣点集合通过协同过滤推荐算法确定目标金融机构的步骤包括:从所述目标兴趣点集合中提取出所述目标用户评价最高的待定金融机构作为第一金融机构;通过第二相似度公式计算所述第一金融机构与所述历史兴趣点集合中的 第二金融机构之间的第二相似度;按照所述第二相似度从大到小顺序选择第二预设数量的所述第二金融机构作为目标金融机构。
- 如权利要求12所述的金融机构推荐设备,其特征在于,所述通过第二相似度公式计算所述第一金融机构与所述历史兴趣点集合中的第二金融机构之间的第二相似度的步骤包括:获取所述第一金融机构的各第一业务种类,并获取所述历史兴趣点集合中的第二金融机构的各第二业务种类;统计所述第一业务种类和所述第二业务种类的共同业务种类;获取所述共同业务种类在所述待定金融机构中出现的概率;根据所述概率、所述共同业务种类、所述第一业务种类与所述第二业务种类通过第二相似度公式计算所述第一金融机构与所述历史兴趣点集合中的第二金融机构之间的第二相似度。
- 一种存储介质,其特征在于,所述存储介质上存储有金融机构推荐可读指令,所述金融机构推荐可读指令被处理器执行,以实现以下步骤:获取历史用户对预设范围内的各待定金融机构的历史用户评价,从所述历史用户评价中提取出历史兴趣点集合;从所述历史用户评价中提取出目标用户的目标用户评价,从所述目标用户评价中提取出目标兴趣点集合,所述历史用户包括所述目标用户;根据所述历史兴趣点集合与所述目标兴趣点集合通过协同过滤推荐算法确定目标金融机构;将所述目标金融机构推送至所述目标用户。
- 如权利要求14所述的存储介,其特征在于,所述根据所述历史兴趣点集合与所述目标兴趣点集合通过协同过滤推荐算法确定目标金融机构的步骤包括:根据所述历史兴趣点集合与所述目标兴趣点集合通过第一相似度公式计算所述目标用户与各历史用户中除了所述目标用户之外的第一用户之间的第 一相似度;按照所述第一相似度从大到小顺序选择第一预设数量的所述第一用户作为第二用户;根据所述历史用户评价将所述第二用户评价最高的待定金融机构作为目标金融机构。
- 如权利要求15所述的存储介,其特征在于,所述根据所述历史兴趣点集合与所述目标兴趣点集合通过第一相似度公式计算所述目标用户与各历史用户中除了所述目标用户之外的第一用户之间的第一相似度的步骤包括:统计所述历史兴趣点集合与所述目标兴趣点集合的共同兴趣点集合;根据所述共同兴趣点集合、所述历史兴趣点集合与所述目标兴趣点集合通过第一相似度公式计算所述目标用户与各历史用户中除了所述目标用户之外的第一用户之间的第一相似度。
- 如权利要求16所述的存储介,其特征在于,所述统计所述历史兴趣点集合与所述目标兴趣点集合的共同兴趣点集合的步骤之后包括:获取所述共同兴趣点集合中的各金融机构的访问频率;所述根据所述共同兴趣点集合、所述历史兴趣点集合与所述目标兴趣点集合通过第一相似度公式计算所述目标用户与各历史用户中除了所述目标用户之外的第一用户之间的第一相似度,包括:根据所述访问频率、所述共同兴趣点集合、所述历史兴趣点集合与所述目标兴趣点集合通过第一相似度公式计算所述目标用户与各历史用户中除了所述目标用户之外的第一用户之间的第一相似度。
- 如权利要求14所述的存储介,其特征在于,所述根据所述历史兴趣点集合与所述目标兴趣点集合通过协同过滤推荐算法确定目标金融机构的步骤包括:从所述目标兴趣点集合中提取出所述目标用户评价最高的待定金融机构作为第一金融机构;通过第二相似度公式计算所述第一金融机构与所述历史兴趣点集合中的 第二金融机构之间的第二相似度;按照所述第二相似度从大到小顺序选择第二预设数量的所述第二金融机构作为目标金融机构。
- 如权利要求18所述的存储介,其特征在于,所述通过第二相似度公式计算所述第一金融机构与所述历史兴趣点集合中的第二金融机构之间的第二相似度的步骤包括:获取所述第一金融机构的各第一业务种类,并获取所述历史兴趣点集合中的第二金融机构的各第二业务种类;统计所述第一业务种类和所述第二业务种类的共同业务种类;获取所述共同业务种类在所述待定金融机构中出现的概率;根据所述概率、所述共同业务种类、所述第一业务种类与所述第二业务种类通过第二相似度公式计算所述第一金融机构与所述历史兴趣点集合中的第二金融机构之间的第二相似度。
- 一种金融机构推荐装置,其特征在于,所述金融机构推荐装置包括:获取模块,用于获取历史用户对预设范围内的各待定金融机构的历史用户评价,从所述历史用户评价中提取出历史兴趣点集合;提取模块,用于从所述历史用户评价中提取出目标用户的目标用户评价,从所述目标用户评价中提取出目标兴趣点集合,所述历史用户包括所述目标用户;确定模块,用于根据所述历史兴趣点集合与所述目标兴趣点集合通过协同过滤推荐算法确定目标金融机构;推送模块,用于将所述目标金融机构推送至所述目标用户。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810747893.4A CN109727056B (zh) | 2018-07-06 | 2018-07-06 | 金融机构推荐方法、设备、存储介质及装置 |
CN201810747893.4 | 2018-07-06 |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2020006834A1 true WO2020006834A1 (zh) | 2020-01-09 |
Family
ID=66293874
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/CN2018/102052 WO2020006834A1 (zh) | 2018-07-06 | 2018-08-24 | 金融机构推荐方法、设备、存储介质及装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN109727056B (zh) |
WO (1) | WO2020006834A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110197434A (zh) * | 2019-05-21 | 2019-09-03 | 深圳前海微众银行股份有限公司 | 智能匹配处理方法、装置、设备及可读存储介质 |
CN112395486B (zh) * | 2019-08-12 | 2023-11-03 | 中国移动通信集团重庆有限公司 | 一种宽带业务推荐方法、系统、服务器和存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102594905A (zh) * | 2012-03-07 | 2012-07-18 | 南京邮电大学 | 一种基于场景的社交网络位置兴趣点推荐方法 |
US20120254310A1 (en) * | 2011-03-29 | 2012-10-04 | Sony Corporation | Content recommendation device, recommended content search method, and program |
CN103455613A (zh) * | 2013-09-06 | 2013-12-18 | 南京大学 | 基于MapReduce模型的兴趣感知服务推荐方法 |
CN104111938A (zh) * | 2013-04-18 | 2014-10-22 | 腾讯科技(深圳)有限公司 | 一种信息推荐的方法及装置 |
CN104166648A (zh) * | 2013-05-16 | 2014-11-26 | 百度在线网络技术(北京)有限公司 | 基于标签的推荐数据挖掘方法及装置 |
CN104794635A (zh) * | 2015-04-17 | 2015-07-22 | 南京大学 | 基于协同过滤推荐算法的机型推荐系统 |
CN105025091A (zh) * | 2015-06-26 | 2015-11-04 | 南京邮电大学 | 一种基于移动用户位置的商铺推荐方法 |
CN106997358A (zh) * | 2016-01-22 | 2017-08-01 | 中移(杭州)信息技术有限公司 | 信息推荐方法及装置 |
CN107909428A (zh) * | 2017-11-01 | 2018-04-13 | 平安科技(深圳)有限公司 | 电子装置、产品推荐方法和计算机可读存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060266830A1 (en) * | 2005-05-31 | 2006-11-30 | Horozov Tzvetan T | Location-based recommendation system |
CN106339502A (zh) * | 2016-09-18 | 2017-01-18 | 电子科技大学 | 一种基于用户行为数据分片聚类的建模推荐方法 |
CN107341261B (zh) * | 2017-07-13 | 2020-10-27 | 南京邮电大学 | 一种面向位置社交网络的兴趣点推荐方法 |
CN107766462B (zh) * | 2017-09-28 | 2020-03-13 | 重庆大学 | 基于用户偏好、社交信誉度和地理位置的兴趣点推荐方法 |
-
2018
- 2018-07-06 CN CN201810747893.4A patent/CN109727056B/zh active Active
- 2018-08-24 WO PCT/CN2018/102052 patent/WO2020006834A1/zh active Application Filing
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120254310A1 (en) * | 2011-03-29 | 2012-10-04 | Sony Corporation | Content recommendation device, recommended content search method, and program |
CN102594905A (zh) * | 2012-03-07 | 2012-07-18 | 南京邮电大学 | 一种基于场景的社交网络位置兴趣点推荐方法 |
CN104111938A (zh) * | 2013-04-18 | 2014-10-22 | 腾讯科技(深圳)有限公司 | 一种信息推荐的方法及装置 |
CN104166648A (zh) * | 2013-05-16 | 2014-11-26 | 百度在线网络技术(北京)有限公司 | 基于标签的推荐数据挖掘方法及装置 |
CN103455613A (zh) * | 2013-09-06 | 2013-12-18 | 南京大学 | 基于MapReduce模型的兴趣感知服务推荐方法 |
CN104794635A (zh) * | 2015-04-17 | 2015-07-22 | 南京大学 | 基于协同过滤推荐算法的机型推荐系统 |
CN105025091A (zh) * | 2015-06-26 | 2015-11-04 | 南京邮电大学 | 一种基于移动用户位置的商铺推荐方法 |
CN106997358A (zh) * | 2016-01-22 | 2017-08-01 | 中移(杭州)信息技术有限公司 | 信息推荐方法及装置 |
CN107909428A (zh) * | 2017-11-01 | 2018-04-13 | 平安科技(深圳)有限公司 | 电子装置、产品推荐方法和计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109727056A (zh) | 2019-05-07 |
CN109727056B (zh) | 2023-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4911536B2 (ja) | 地域情報検索装置、地域情報検索装置の制御方法、地域情報検索システム、および地域情報検索システムの制御方法 | |
Önder et al. | Tracing tourists by their digital footprints: The case of Austria | |
TWI472720B (zh) | 興趣點資訊地圖呈現系統、方法及其記錄媒體 | |
US20120023085A1 (en) | Social graph search system | |
JP5221630B2 (ja) | サーバ、情報管理方法、情報管理プログラム、及びそのプログラムを記録するコンピュータ読み取り可能な記録媒体 | |
WO2015066591A1 (en) | Ranking information providers | |
KR20090033989A (ko) | 위치정보를 기반으로 한 지역정보 광고 방법과 상기 방법을수행하기 위한 시스템 | |
US20120150753A1 (en) | Quantitative valuation of real estate based on qualitative assessment thereof | |
JP6728178B2 (ja) | 検索データを処理するための方法及び装置 | |
KR20090017268A (ko) | 사용자의 관심 키워드를 업데이트 하는 방법과 그 방법을수행하기 위한 시스템 | |
US20170323019A1 (en) | Ranking information providers | |
CN111738785A (zh) | 选品方法、系统及存储介质 | |
CN111078997B (zh) | 一种资讯推荐方法及装置 | |
WO2020006834A1 (zh) | 金融机构推荐方法、设备、存储介质及装置 | |
US20160203540A1 (en) | System and method of product and vendor selection | |
KR101976816B1 (ko) | SaaS 어플리케이션 연동 서비스의 제공장치 및 그 제공방법 | |
CN111383072A (zh) | 一种用户信用评分方法、存储介质及服务器 | |
JP2018190462A (ja) | 提供装置、提供方法、及び提供プログラム | |
WO2014050837A1 (ja) | 判定装置、判定方法、及びコンピュータ読み取り可能な記録媒体 | |
JP2018185575A (ja) | 提供装置、提供方法、及び提供プログラム | |
JP2009230299A (ja) | 関連文書提示システム及びプログラム | |
JP2017079080A (ja) | 情報処理装置、情報処理方法、情報処理プログラム | |
WO2020093613A1 (zh) | 页面数据的处理方法及装置、存储介质、计算机设备 | |
KR20200023095A (ko) | 상품 정보 관리 방법 및 이를 지원하는 서비스 장치 | |
KR101744764B1 (ko) | 부동산 매물 관리 서버 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 18925582 Country of ref document: EP Kind code of ref document: A1 |
|
NENP | Non-entry into the national phase |
Ref country code: DE |
|
122 | Ep: pct application non-entry in european phase |
Ref document number: 18925582 Country of ref document: EP Kind code of ref document: A1 |