[发明专利]一种基于定向筛选的金融产品实时推荐方法

权利要求书

1.一种基于定向筛选的金融产品实时推荐方法，其特征在于，包括以下步骤：

预先采集用户信息、行为信息和金融产品信息，并对采集信息进行数据预处理；

基于用户行为信息不同权重进行评分，获取评分矩阵，并分解分别获取用户特征向量和金融产品特征向量；

基于用户特征向量和金融产品特征向量，分别获取用户和金融产品根据时间序列的向量，并作为Transformer推荐模型的输入，分别获取用户预测评分向量和金融产品预测评分向量；

对用户预测评分向量和金融产品预测评分向量做内积实现评分预测，获取预测评分矩阵；

基于预测评分矩阵，对每个用户生成金融产品推荐列表。

2.根据权利要求1所述的基于定向筛选的金融产品实时推荐方法，其特征在于，所述数据预处理，包括以下步骤：

预先读取数据信息；

对读取的数据信息进行数据集成；

进行过滤无效信息；

获取用户行为权重评分；

对数据进行标准化处理。

3.根据权利要求2所述的基于定向筛选的金融产品实时推荐方法，其特征在于，步骤所述进行过滤无效信息，包括以下步骤：

过滤在一年内有过点击行为的用户，作为当前有效用户；

过滤删除已下架的金融产品。

4.根据权利要求2所述的基于定向筛选的金融产品实时推荐方法，其特征在于，步骤所述对数据进行标准化处理，包括以下步骤：

对原始数据进行线性变换，使所有数据落在[0,1]的区间内，表示为：

其中，max{x_j}为数据集中的最大值，min{x_j}为数据集中的最小值。

5.根据权利要求1所述的基于定向筛选的金融产品实时推荐方法，其特征在于，步骤所述分别获取用户和金融产品根据时间序列的向量，包括以下步骤：

基于用户对金融产品操作的时间顺序将用户对金融产品行为评分进行排序，并基于自编码器对高维稀疏向量进行数据降维，分别表示为：

y_i,t＝Encoder(x_i,t)；

y_j,t＝Encoder(x_j,t)；

其中，x_i,t为时间t用户i对产品的评分向量，x_j,t为时间t产品j的用户评分向量，y_i,t和y_j,t为经过降维后的低维向量。

6.根据权利要求5所述的基于定向筛选的金融产品实时推荐方法，其特征在于，所述Transformer推荐模型，包括：self-attention层和Feed Forward neural network层。