CN110930226A - 一种金融产品推荐方法、装置、电子设备及存储介质 - Google Patents
一种金融产品推荐方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN110930226A CN110930226A CN201911176862.9A CN201911176862A CN110930226A CN 110930226 A CN110930226 A CN 110930226A CN 201911176862 A CN201911176862 A CN 201911176862A CN 110930226 A CN110930226 A CN 110930226A
- Authority
- CN
- China
- Prior art keywords
- user
- similarity
- financial
- matrix
- sample
- 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
- 238000000034 method Methods 0.000 title claims abstract description 40
- 239000011159 matrix material Substances 0.000 claims description 75
- 238000004364 calculation method Methods 0.000 claims description 15
- 230000000737 periodic effect Effects 0.000 claims description 5
- 230000006870 function Effects 0.000 description 9
- 238000004590 computer program Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 101100421536 Danio rerio sim1a gene Proteins 0.000 description 2
- 101100495431 Schizosaccharomyces pombe (strain 972 / ATCC 24843) cnp1 gene Proteins 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Human Resources & Organizations (AREA)
- Operations Research (AREA)
- Technology Law (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开实施例公开了一种金融产品推荐方法、装置、电子设备及存储介质，该方法包括：从用户数据库中确定设定数量的样本用户；基于用户购买金融产品的历史信息以及用户属性信息确定当前用户与所述样本用户之间的相似度；根据所述相似度对所述当前用户进行金融产品推荐。本公开实施例的技术方案，实现了对用户进行较精准地金融产品推荐的目的。
Description
技术领域
本公开实施例涉及计算机技术领域，尤其涉及一种金融产品推荐方法、装置、电子设备及存储介质。
背景技术
银行对于小微快贷产品的传统营销策略是根据贷款产品的准入政策对客户进行筛选和匹配，再依据筛选结果对客户进行贷款产品推荐。每个客户经理管理的客户量较多，很难对每个客户都有很深入的了解，因此产品营销效果较差。
对整个金融行业来说，客户量较大，传统的贷款产品推荐方法效率较低，更多依赖人工和人工经验，需要耗费大量的人力和物力。
发明内容
本公开实施例提供一种金融产品推荐方法、装置、电子设备及存储介质，实现了对用户进行较精准地金融产品推荐。
第一方面，本公开实施例提供了一种金融产品推荐方法，该方法包括：
从用户数据库中确定设定数量的样本用户；
基于用户购买金融产品的历史信息以及用户属性信息确定当前用户与所述样本用户之间的相似度；
根据所述相似度对所述当前用户进行金融产品推荐。
进一步的，所述金融产品包括贷款产品，
对应的，所述用户属性信息包括下述至少一种：注册资本、信贷客户等级、金融资产余额、金融总量余额、活期存款余额、定期存款余额、客户信用标识以及持有产品类型。
进一步的，所述基于用户购买金融产品的历史信息以及用户属性信息确定当前用户与所述样本用户之间的相似度，包括：
根据当前用户以及所述样本用户所购买贷款产品的种类以及每种贷款产品的购买数量，构建用户产品矩阵；
根据当前用户以及所述样本用户的属性信息构建用户属性矩阵；
基于所述用户产品矩阵以及所述用户属性矩阵分别计算当前用户与各样本用户之间的皮尔逊相似度，得到第一相似度矩阵和第二相似度矩阵；
按照设定权重系数对所述第一相似度矩阵以及所述第二相似度矩阵进行加权求和，得到用户综合相似度矩阵；
将所述用户综合相似度矩阵中的元素确定为当前用户与样本用户之间的相似度。
进一步的，基于所述用户产品矩阵以及所述用户属性矩阵分别计算当前用户与各样本用户之间的皮尔逊相似度，包括：
按照如下公式计算当前用户与各样本用户之间的皮尔逊相似度：
其中，sim(ui，uj)表示用户ui与用户uj之间的皮尔逊相似度，ris和rjs分别表示用户ui和用户uj对应变量s的数值；
表示用户ui和用户uj对应变量s的数值集合；
表示变量s的均值。
进一步的，根据所述相似度对所述当前用户进行金融产品推荐，包括：
基于相似度的大小确定与当前用户相似度最大的设定数量的近邻用户；
将所述近邻用户所购买过，且当前用户未购买过的金融产品向当前用户进行推荐。
进一步的，所述样本用户不包括购买过热门金融产品的用户。
进一步的，所述方法还包括：
将热门金融产品向当前用户进行推荐。
第二方面，本公开实施例还提供了一种金融产品推荐装置，该装置包括：
确定模块，用于从用户数据库中确定设定数量的样本用户；
相似度计算模块，用于基于用户购买金融产品的历史信息以及用户属性信息确定当前用户与所述样本用户之间的相似度；
推荐模块，用于根据所述相似度对所述当前用户进行金融产品推荐。
第三方面，本公开实施例还提供了一种设备，所述设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本公开实施例任一所述的金融产品推荐方法。
第四方面，本公开实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如本公开实施例任一所述的金融产品推荐方法。
本公开实施例的技术方案，通过从用户数据库中确定设定数量的样本用户；基于用户购买金融产品的历史信息以及用户属性信息确定当前用户与所述样本用户之间的相似度；根据所述相似度对所述当前用户进行金融产品推荐的技术手段，实现了对用户进行较精准地金融产品推荐的目的。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
图1为本公开实施例一所提供的一种金融产品推荐方法流程示意图；
图2为本公开实施例一所提供的另一种金融产品推荐方法流程示意图；
图3为本公开实施例二所提供的一种金融产品推荐装置结构示意图；
图4为本公开实施例三所提供的一种电子设备结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
实施例一
图1为本公开实施例一所提供的一种金融产品推荐方法流程示意图，该方法可适用于向用户推荐金融产品的场景，所述金融产品例如是贷款产品、理财产品等。该方法可以由金融产品推荐装置来执行，该装置可以通过软件和/或硬件的形式实现，通常集成于终端，例如典型的，集成于服务器中。
如图1所述，本实施例提供的金融产品推荐方法包括如下步骤：
步骤110、从用户数据库中确定设定数量的样本用户。
可以理解的是，在大数据时代，所述用户数据库中的用户数据众多，若全部用来计算，无疑计算量巨大，将导致推荐的实时性差，推荐效率降低的问题。针对此，本实施例的技术方案中，从用户数据库中确定设定数量的、具有代表性的、高质量的样本用户，作为对当前用户进行金融产品推荐的参考依据。所述样本用户通常为在金融平台活跃度较高的用户，例如是购买了较多金融产品的用户，或者经常购买金融产品的用户。
通过从用户数据库中确定设定数量的样本用户，而不是将用户数据库中的所有用户数据均作为计算依据，在满足设定推荐准确度和推荐效率的前提下，解决了用户数据巨大、计算资源较难满足计算需求的问题。
步骤120、基于用户购买金融产品的历史信息以及用户属性信息确定当前用户与所述样本用户之间的相似度。
其中，用户购买金融产品的历史信息具体指用户购买过什么类型的金融产品，以及对应的购买次数。
所述用户属性信息根据金融产品类型的不同而不同，以所述金融产品为贷款产品为例，所述用户属性信息包括下述至少一种：注册资本、信贷客户等级、金融资产余额、金融总量余额、活期存款余额、定期存款余额、客户信用标识以及持有产品类型。
示例性的，所述基于用户购买金融产品的历史信息以及用户属性信息确定当前用户与所述样本用户之间的相似度，包括：
根据当前用户以及所述样本用户所购买贷款产品的种类以及每种贷款产品的购买数量，构建用户产品矩阵；
根据当前用户以及所述样本用户的属性信息构建用户属性矩阵；
基于所述用户产品矩阵以及所述用户属性矩阵分别计算当前用户与各样本用户之间的皮尔逊相似度，得到第一相似度矩阵和第二相似度矩阵；
按照设定权重系数对所述第一相似度矩阵以及所述第二相似度矩阵进行加权求和，得到用户综合相似度矩阵；
将所述用户综合相似度矩阵中的元素确定为当前用户与样本用户之间的相似度。
一方面，鉴于贷款产品不存在用户对每种贷款产品的评分、评论信息的情况，本实施例通过用户购买每种贷款产品的数量来表征用户对每种贷款产品的认可、兴趣或者喜好。例如当前用户购未买过贷款产品A，则当前用户对应的贷款产品A的购买数量为0。用户产品矩阵的具体形式可参考如下表1所示。
表1
| 用户id | 贷款产品1 | …… | 贷款产品m |
| id<sub>1</sub> | 0 | 1 | 0 |
| …… | …… | …… | …… |
| id<sub>n</sub> | 2 | 0 | 4 |
id1，…，idn表示第1，…，n个用户，贷款产品1……贷款产品m表示第1，…，m种贷款产品，例如上表中的最后一行数据的含义为：第n个用户购买贷款产品1的数量为2，购买贷款产品m的数量为4。
另一方面，结合贷款产品的准入条件，构建用户属性矩阵，以贷款产品为例，所述用户属性信息包括下述至少一种：注册资本、信贷客户等级、金融资产余额、金融总量余额、活期存款余额、定期存款余额、客户信用标识以及持有产品类型。
通过数据处理将文字型变量转换为对应的数值型变量，并消除量纲之间的影响，将各变量转换为[0，1]之间的数值，从而构建用户属性矩阵。用户属性矩阵的具体形式可参考如下表2所示.
表2
| 用户id | character<sub>1</sub> | …… | character<sub>q</sub> |
| id<sub>1</sub> | a | b | c |
| …… | …… | …… | …… |
| id<sub>n</sub> | d | e | f |
其中，id1，…，idn表示第1，…，n个用户，character1，…，characterq表示第1，…，q个用户属性，a，b，c，d，e，f表示用户属性所对应的数值。
示例性的，基于所述用户产品矩阵以及所述用户属性矩阵分别计算当前用户与各样本用户之间的皮尔逊相似度，包括：
按照如下公式计算当前用户与各样本用户之间的皮尔逊相似度：
其中，sim(ui，uj)表示用户ui与用户uj之间的皮尔逊相似度，ris和rjs分别表示用户ui和用户uj对应变量s的数值；
表示用户ui和用户uj对应变量s的数值集合；
表示变量s的均值。变量s分别取值为用户产品矩阵中的元素以及用户属性矩阵中的元素。
上述基于用户产品矩阵计算皮尔逊相似度得到的第一相似度矩阵，代表用户在购买产品上的偏好相似度，若赋予该第一相似度矩阵的权重系数较高，将会导致在选出的与当前用户相似度最大的、设定数量的近邻用户所购买的产品种类与当前用户所购买的产品种类非常相似，甚至基本是一致的，这意味着尽管准确率高，但是却无产品可推荐。而基于用户属性矩阵计算皮尔逊相似度得到的第二相似度矩阵，若赋予该第二相似度矩阵的权重系数较高，表示在综合相似度矩阵中用户属性的相似情况受到较高的重视，选出的与当前用户相似度最大的、设定数量的近邻用户，尽管拥有与当前用户不同的产品种类，但是因为缺乏产品偏好的体现，最终将导致准确率较低。针对上述问题，本实施例综合考虑用户产品矩阵和用户属性矩阵两方面的信息，计算用户综合相似度，而不是仅仅使用某一方面的信息作为用户相似度的代表。
由于两个相似度矩阵对于算法结果的影响不同，所以如何选取一个合适的权重系数，既保证有产品可推荐，又能够将准确率保持在一个较高的水平至关重要。本实施例采用基于K折交叉验证方法的基本思想，选取一定比例的样本赋予两个相似度矩阵不同的权重系数，对不同权重系数进行训练，随着权重系数的减少，近邻用户中可推荐产品的比例增加，但准确率也随之降低，通过训练选取最符合需求的权重系数。最后，在剩下的样本中选取一定比例的数据作为验证集，多次重复操作，得到可以接受的平均准确率和推荐比例下所对应的第一相似度矩阵和第二相似度矩阵间的权重系数比例，通过加权计算得到用户综合用户相似度。
进一步的，通过结合用户属性，构建用户属性矩阵，解决了用于挖掘用户偏好相似度的参考数据项单一以及冷启动的问题。冷启动问题是指在推荐***中，由于缺少用户历史行为数据，***无法得到用户的个人偏好，最终导致***推荐效果较差，即***无法推荐尚未收到用户评分信息的新项目(例如贷款产品)。例如，当***不存在或者存在少量的用户历史交互记录时，将无法得到目标用户的相似用户，进而导致无法基于相似用户的购买情况向目标用户进行产品推荐。
步骤130、根据所述相似度对所述当前用户进行金融产品推荐。
示例性的，根据所述相似度对所述当前用户进行金融产品推荐，包括：
基于相似度的大小确定与当前用户相似度最大的设定数量的近邻用户；
将所述近邻用户所购买过，且当前用户未购买过的金融产品向当前用户进行推荐。
其中，可以理解的是，所述相似度具体指用户综合相似度。例如，当前用户与用户a的综合相似度为0.9、与用户b的综合相似度为0.8、与用户c的综合相似度为0.5、与用户d的综合相似度为0.4、与用户e的综合相似度为0.6、与用户f的综合相似度为0.3；若所述设定数量为3，则确定与当前用户相似度最大的3个用户作为当前用户的近邻用户，该3个近邻用户分别是用户a、用户b和用户e。
在上述技术方案的基础上，参见图2所示的另一种金融产品推荐方法的流程示意图，具体包括如下步骤：
步骤210、构建用户产品矩阵。
步骤211、通过用户产品矩阵计算第一相似度矩阵sim1。
步骤220、构建用户属性矩阵。
步骤221、通过用户属性矩阵计算第二相似度矩阵sim2。
步骤230、加权组合sim1和sim2，得到用户综合相似度矩阵。
步骤240、根据综合相似度矩阵，为当前用户选取k各近邻用户。
步骤250、根据近邻用户购买的产品对当前用户进行推荐。
本公开实施例的技术方案，通过从用户数据库中确定设定数量的样本用户；基于用户购买金融产品的历史信息以及用户属性信息确定当前用户与所述样本用户之间的相似度；根据所述相似度对所述当前用户进行金融产品推荐的技术手段，实现了对用户进行较精准地金融产品推荐的目的。
进一步的，基于用户购买产品的数据特征，有时会存在绝大多数用户都购买某种产品productm的现象，例如购买用户的占比超过80％，导致在推荐***中，对相似度的计算影响过大，使得大量用户的近邻推荐都为产品productm。针对该问题，在算法实现的过程中可以将购买productm产品的用户从样本用户中剔除，而对于未购买productm产品的用户，在符合产品准入条件的情况下，优先推荐productm，再根据相似度的计算结果推荐其余产品。
示例性的，所述样本用户不包括购买过热门金融产品的用户。
进一步的，所述方法还包括：
将热门金融产品向当前用户进行推荐。
其中，热门金融产品指购买用户的占比超过阈值的产品。
实施例二
图3为本公开实施例二提供的一种金融产品推荐装置，该装置包括：确定模块310、相似度计算模块320和推荐模块330；
其中，确定模块310，用于从用户数据库中确定设定数量的样本用户；相似度计算模块320，用于基于用户购买金融产品的历史信息以及用户属性信息确定当前用户与所述样本用户之间的相似度；推荐模块330，用于根据所述相似度对所述当前用户进行金融产品推荐。
在上述技术方案的基础上，所述金融产品包括贷款产品，
对应的，所述用户属性信息包括下述至少一种：注册资本、信贷客户等级、金融资产余额、金融总量余额、活期存款余额、定期存款余额、客户信用标识以及持有产品类型。
在上述各技术方案的基础上，相似度计算模块320包括：
用户产品矩阵构建单元，用于根据当前用户以及所述样本用户所购买贷款产品的种类以及每种贷款产品的购买数量，构建用户产品矩阵；
用户属性矩阵构建单元，用于根据当前用户以及所述样本用户的属性信息构建用户属性矩阵；
皮尔逊相似度计算单元，用于基于所述用户产品矩阵以及所述用户属性矩阵分别计算当前用户与各样本用户之间的皮尔逊相似度，得到第一相似度矩阵和第二相似度矩阵；
加权单元，用于按照设定权重系数对所述第一相似度矩阵以及所述第二相似度矩阵进行加权求和，得到用户综合相似度矩阵；
相似度确定单元，用于将所述用户综合相似度矩阵中的元素确定为当前用户与样本用户之间的相似度。
在上述各技术方案的基础上，皮尔逊相似度计算单元具体用于：按照如下公式计算当前用户与各样本用户之间的皮尔逊相似度：
其中，sim(ui，uj)表示用户ui与用户uj之间的皮尔逊相似度，ris和rjs分别表示用户ui和用户uj对应变量s的数值；
表示用户ui和用户uj对应变量s的数值集合；
表示变量s的均值。
在上述各技术方案的基础上，推荐模块330包括：
近邻用户确定单元，用于基于相似度的大小确定与当前用户相似度最大的设定数量的近邻用户；
推荐单元，用于将所述近邻用户所购买过，且当前用户未购买过的金融产品向当前用户进行推荐。
在上述各技术方案的基础上，所述样本用户不包括购买过热门金融产品的用户。
在上述各技术方案的基础上，推荐模块330还用于：
将热门金融产品向当前用户进行推荐。
本公开实施例的技术方案，通过从用户数据库中确定设定数量的样本用户；基于用户购买金融产品的历史信息以及用户属性信息确定当前用户与所述样本用户之间的相似度；根据所述相似度对所述当前用户进行金融产品推荐的技术手段，实现了对用户进行较精准地金融产品推荐的目的。
本公开实施例所提供的金融产品推荐装置可执行本公开任意实施例所提供的金融产品推荐方法，具备执行方法相应的功能模块和有益效果。
值得注意的是，上述装置所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本公开实施例的保护范围。
实施例三
下面参考图4，其示出了适于用来实现本公开实施例的电子设备(例如图4中的终端设备或服务器)400的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图4示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图4所示，电子设备400可以包括处理装置(例如中央处理器、图形处理器等)401，其可以根据存储在只读存储器(ROM)402中的程序或者从存储装置406加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中，还存储有电子设备400操作所需的各种程序和数据。处理装置401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
通常，以下装置可以连接至I/O接口405：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置406；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407；包括例如磁带、硬盘等的存储装置406；以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备400，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开的实施例，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，本公开的实施例包括一种计算机程序贷款产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含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装置409从网络上被下载和安装，或者从存储装置406被安装，或者从ROM 402被安装。在该计算机程序被处理装置401执行时，执行本公开实施例的方法中限定的上述功能。
本公开实施例提供的终端与上述实施例提供的金融产品推荐方法属于同一发明构思，未在本公开实施例中详尽描述的技术细节可参见上述实施例，并且本公开实施例与上述实施例具有相同的有益效果。
实施例四
本公开实施例提供了一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述实施例所提供的金融产品推荐方法。
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：
从用户数据库中确定设定数量的样本用户；
基于用户购买金融产品的历史信息以及用户属性信息确定当前用户与所述样本用户之间的相似度；
根据所述相似度对所述当前用户进行金融产品推荐。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的***、方法和计算机程序贷款产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定，例如，可编辑内容显示单元还可以被描述为“编辑单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准贷款产品(ASSP)、片上***(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
Claims (10)
1.一种金融产品推荐方法，其特征在于，包括：
从用户数据库中确定设定数量的样本用户；
基于用户购买金融产品的历史信息以及用户属性信息确定当前用户与所述样本用户之间的相似度；
根据所述相似度对所述当前用户进行金融产品推荐。
2.根据权利要求1所述的方法，其特征在于，所述金融产品包括贷款产品，
对应的，所述用户属性信息包括下述至少一种：注册资本、信贷客户等级、金融资产余额、金融总量余额、活期存款余额、定期存款余额、客户信用标识以及持有产品类型。
3.根据权利要求2所述的方法，其特征在于，所述基于用户购买金融产品的历史信息以及用户属性信息确定当前用户与所述样本用户之间的相似度，包括：
根据当前用户以及所述样本用户所购买贷款产品的种类以及每种贷款产品的购买数量，构建用户产品矩阵；
根据当前用户以及所述样本用户的属性信息构建用户属性矩阵；
基于所述用户产品矩阵以及所述用户属性矩阵分别计算当前用户与各样本用户之间的皮尔逊相似度，得到第一相似度矩阵和第二相似度矩阵；
按照设定权重系数对所述第一相似度矩阵以及所述第二相似度矩阵进行加权求和，得到用户综合相似度矩阵；
将所述用户综合相似度矩阵中的元素确定为当前用户与样本用户之间的相似度。
4.根据权利要求3所述的方法，其特征在于，基于所述用户产品矩阵以及所述用户属性矩阵分别计算当前用户与各样本用户之间的皮尔逊相似度，包括：
按照如下公式计算当前用户与各样本用户之间的皮尔逊相似度：
其中，sim(ui，uj)表示用户ui与用户uj之间的皮尔逊相似度，ris和rjs分别表示用户ui和用户uj对应变量s的数值；
表示用户ui和用户uj对应变量s的数值集合；
表示变量s的均值。
5.根据权利要求1-3任一项所述的方法，其特征在于，根据所述相似度对所述当前用户进行金融产品推荐，包括：
基于相似度的大小确定与当前用户相似度最大的设定数量的近邻用户；
将所述近邻用户所购买过，且当前用户未购买过的金融产品向当前用户进行推荐。
6.根据权利要求1-3任一项所述的方法，其特征在于，所述样本用户不包括购买过热门金融产品的用户。
7.根据权利要求1-3任一项所述的方法，其特征在于，还包括：
将热门金融产品向当前用户进行推荐。
8.一种金融产品推荐装置，其特征在于，包括：
确定模块，用于从用户数据库中确定设定数量的样本用户；
相似度计算模块，用于基于用户购买金融产品的历史信息以及用户属性信息确定当前用户与所述样本用户之间的相似度；
推荐模块，用于根据所述相似度对所述当前用户进行金融产品推荐。
9.一种电子设备，其特征在于，所述电子设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一项所述的金融产品推荐方法。
10.一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7中任一项所述的金融产品推荐方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911176862.9A CN110930226A (zh) | 2019-11-26 | 2019-11-26 | 一种金融产品推荐方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911176862.9A CN110930226A (zh) | 2019-11-26 | 2019-11-26 | 一种金融产品推荐方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110930226A true CN110930226A (zh) | 2020-03-27 |
Family
ID=69851230
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911176862.9A Pending CN110930226A (zh) | 2019-11-26 | 2019-11-26 | 一种金融产品推荐方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110930226A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111353864A (zh) * | 2020-03-31 | 2020-06-30 | 中国建设银行股份有限公司 | 一种产品推荐方法、装置、服务器及存储介质 |
| CN112785443A (zh) * | 2021-01-25 | 2021-05-11 | 中国工商银行股份有限公司 | 基于客户群体的理财产品推送方法及装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107688988A (zh) * | 2017-09-02 | 2018-02-13 | 广东奡风科技股份有限公司 | 一种金融产品实时推荐方法 |
| CN108665355A (zh) * | 2018-05-18 | 2018-10-16 | 深圳壹账通智能科技有限公司 | 金融产品推荐方法、装置、设备和计算机存储介质 |
| CN108665323A (zh) * | 2018-05-20 | 2018-10-16 | 北京工业大学 | 一种用于理财产品推荐***的集成方法 |
| CN109271592A (zh) * | 2018-09-30 | 2019-01-25 | 东软集团股份有限公司 | 一种物品推荐方法、装置、存储介质及程序产品 |
| CN109636538A (zh) * | 2018-12-20 | 2019-04-16 | 成都知数科技有限公司 | 银行产品推荐方法、装置及服务器 |
-
2019
- 2019-11-26 CN CN201911176862.9A patent/CN110930226A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107688988A (zh) * | 2017-09-02 | 2018-02-13 | 广东奡风科技股份有限公司 | 一种金融产品实时推荐方法 |
| CN108665355A (zh) * | 2018-05-18 | 2018-10-16 | 深圳壹账通智能科技有限公司 | 金融产品推荐方法、装置、设备和计算机存储介质 |
| CN108665323A (zh) * | 2018-05-20 | 2018-10-16 | 北京工业大学 | 一种用于理财产品推荐***的集成方法 |
| CN109271592A (zh) * | 2018-09-30 | 2019-01-25 | 东软集团股份有限公司 | 一种物品推荐方法、装置、存储介质及程序产品 |
| CN109636538A (zh) * | 2018-12-20 | 2019-04-16 | 成都知数科技有限公司 | 银行产品推荐方法、装置及服务器 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111353864A (zh) * | 2020-03-31 | 2020-06-30 | 中国建设银行股份有限公司 | 一种产品推荐方法、装置、服务器及存储介质 |
| CN111353864B (zh) * | 2020-03-31 | 2024-04-05 | 建信金融科技有限责任公司 | 一种产品推荐方法、装置、服务器及存储介质 |
| CN112785443A (zh) * | 2021-01-25 | 2021-05-11 | 中国工商银行股份有限公司 | 基于客户群体的理财产品推送方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112035753B (zh) | 推荐页面生成方法、装置、电子设备和计算机可读介质 | |
| CN116541610B (zh) | 一种推荐模型的训练方法及装置 | |
| CN110428139A (zh) | 基于标签传播的信息预测方法及装置 | |
| CN110930226A (zh) | 一种金融产品推荐方法、装置、电子设备及存储介质 | |
| CN110866625A (zh) | 促销指标信息生成方法和装置 | |
| CN111626767A (zh) | 资源数据的发放方法、装置及设备 | |
| CN109978594B (zh) | 订单处理方法、装置及介质 | |
| CN113778979A (zh) | 一种直播点击率的确定方法和装置 | |
| CN113763077A (zh) | 用于检测虚假交易订单的方法和装置 | |
| CN112446777A (zh) | 一种信用评估方法、装置、设备及存储介质 | |
| CN114139052B (zh) | 用于智能推荐的排序模型训练方法、智能推荐方法及装置 | |
| CN115048561A (zh) | 推荐信息确定方法及装置、电子设备和可读存储介质 | |
| CN114925275A (zh) | 产品推荐方法、装置、计算机设备及存储介质 | |
| CN112927050A (zh) | 待推荐金融产品确定方法、装置、电子设备及存储介质 | |
| CN113360773A (zh) | 推荐方法、装置、存储介质及电子设备 | |
| CN113742564A (zh) | 目标资源的推送方法和装置 | |
| CN112036418A (zh) | 用于提取用户特征的方法和装置 | |
| CN110362603B (zh) | 一种特征冗余性分析方法、特征选择方法和相关装置 | |
| CN111598599A (zh) | 用户表征方法、装置、电子设备及计算机可读介质 | |
| CN113723759B (zh) | 基于设备意向度和设备风险度为设备提供互联网服务的方法及装置 | |
| CN111915315B (zh) | 认证方式推荐方法、装置、电子设备和可读存储介质 | |
| CN112950239B (zh) | 用于生成用户信息的方法、装置、设备和计算机可读介质 | |
| TWI657393B (zh) | 行銷客群預測系統及其方法 | |
| CN114581179A (zh) | 产品推荐方法、装置、设备及介质 | |
| CN116450950A (zh) | 产品组合推荐方法、装置、设备及介质 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20220915 Address after: 25 Financial Street, Xicheng District, Beijing 100033 Applicant after: CHINA CONSTRUCTION BANK Corp. Address before: 25 Financial Street, Xicheng District, Beijing 100033 Applicant before: CHINA CONSTRUCTION BANK Corp. Applicant before: Jianxin Financial Science and Technology Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200327 |
|
| RJ01 | Rejection of invention patent application after publication |