[发明专利]一种基于定向筛选的金融产品实时推荐方法

说明书

本发明公开了一种基于定向筛选的金融产品实时推荐方法，涉及金融产品技术领域，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。本发明对不同用户的定向筛选及个性化精准推荐，同时提高用户对金融产品的选择率，并提高金融产品推荐的有效性，防止过多的不符合客户需求的无效的金融产品推荐造成用户服务体验感降低的问题发生，以及解决了目前不能较准确的将用户所需要和偏好的金融产品推荐给用户的问题。

技术领域

本发明涉及金融产品技术领域，具体来说，涉及一种基于定向筛选的金融产品实时推荐方法。

背景技术

现有金融产品推荐大多靠人工推荐，人工推荐浪费人工成本，而且很难在较短时间内熟悉和掌握客户对金融产品的偏好，因此不能较准确的将客户所需要和偏好的金融产品推荐给客户，进而导致为客户推荐的金融产品与用户的投资需求匹配度较低的情况发生。

而目前，互联网和电信行业有一些推荐模型，如产品组合推荐模型等，这些推荐模型是针对互联网和电商的产品或业务，不适合金融领域的产品推荐。由于考虑到成本、时效性和准确率等因素，需要运用高效的金融产品推荐算法才能快速准确地将客户所需的金融产品推荐给客户。

针对相关技术中的问题，目前尚未提出有效的解决方案。

发明内容

针对相关技术中的问题，本发明提出一种基于定向筛选的金融产品实时推荐方法，以克服现有相关技术所存在的上述技术问题。

本发明的技术方案是这样实现的：

一种基于定向筛选的金融产品实时推荐方法，包括以下步骤：

步骤S1，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；

步骤S2，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；

步骤S3，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，

步骤S4，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；

步骤S5，基于预测评分矩阵，对每个用户生成金融产品推荐列表。

其中，所述数据预处理，包括以下步骤：

步骤S101，预先读取数据信息；

步骤S102，对读取的数据信息进行数据集成；

步骤S103，进行过滤无效信息；

步骤S104，获取用户行为权重评分；

步骤S105，对数据进行标准化处理。

其中，步骤所述进行过滤无效信息，包括以下步骤：

步骤S10301，过滤在一年内有过点击行为的用户，作为当前有效用户；

步骤S10302，过滤删除已下架的金融产品。

其中，步骤所述对数据进行标准化处理，包括以下步骤：

步骤S10501，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。