基于用户连续行为序列特征的智能理财推荐方法技术

本发明专利技术公开了基于用户连续行为序列特征的智能理财推荐方法，包括获取理财产品属性数据与用户属性数据、数据清洗与规范化管理、对数据进行分类、对数据进行transformer模型架构训练、将信息输入到训练好的模型，模型输出个人理财推荐和通过多渠道向用户推荐，并获取反馈信息。本发明专利技术中，该智能理财推荐方法通过对用户终端上传的用户信息数据进行特征提取，特别是使用Transformer新架构模型捕获用户行为序列的序列信号，结合用户之前的行为序列特征提高了对用户推荐理财产品的精准性，从而自动提升了用户对理财产品的点击率与购买率，供智能理财推荐系统的安全使用，并且增强了用户与银行金融产品之间的相识相知度，对用户和银行起到互利互惠的效果。

【技术实现步骤摘要】
基于用户连续行为序列特征的智能理财推荐方法
本专利技术涉及理财智能推荐系统
，尤其涉及基于用户连续行为序列特征的智能理财推荐方法。
技术介绍
随着普惠金融的更加深入，人们对银行金融产品的需求量越来越高，而与以往的银行金融产品的单一性不同，当前银行产品存在种类丰富、可选择性高、购买门槛低等特点，金融产品变成了大众可参与的资产增值渠道之一，同时，银行金融产品种类丰富，存在收益率、持有周期，风险定级等多维度的数据特征，因此，智能理财推荐成为了银行挖掘客户潜力、针对客户进行个性化精确推荐的重要诉求，在过去的五年里，基于深度学习的方法已经用于智能理财推荐系统。智能理财推荐中，一些理财产品被选择出来作为候选集，然后需要学习一个预测模型系统来预测用户点击给定候选理财产品的概率，以往的方法通常采用嵌入式和多层感知机的范式：将大量的原始特征嵌入到低维向量中，然后输入到全连接层，即多层感知机结构中以预测用户是否会点击某个理财产品。然而，这些较新的智能推荐方法框架中存在如下不足之处：这些只能推荐方法实践中的最后结果推荐理财产品的购买率远不能令人满意，导致银行金融理财产品的业务量急剧下滑，同时以往只是本文档来自技高网...

【技术保护点】
1.基于用户连续行为序列特征的智能理财推荐方法，其特征在于，包括以下步骤：S01：获取理财产品属性数据与用户属性数据，获取理财产品的属性信息多维度数据和用户的属性信息多维度数据，其中，重点的是要获取用户对理财产品点击购买的历史行为数据；S02：数据清洗与规范化管理，对获取的数据进行规范化预处理，预处理包括筛选、清理、缺失值处理、奇异值处理；S03：对数据进行分类，从总体上来说，将获取的数据划分为训练集和验证集；S04：对数据进行transformer模型架构训练，用transformer模型架构对训练集的数据与验证集的数据进行模型训练；S05：将信息输入到训练好的模型，模型输出个人理财推荐，将...

【技术特征摘要】
1.基于用户连续行为序列特征的智能理财推荐方法，其特征在于，包括以下步骤：S01：获取理财产品属性数据与用户属性数据，获取理财产品的属性信息多维度数据和用户的属性信息多维度数据，其中，重点的是要获取用户对理财产品点击购买的历史行为数据；S02：数据清洗与规范化管理，对获取的数据进行规范化预处理，预处理包括筛选、清理、缺失值处理、奇异值处理；S03：对数据进行分类，从总体上来说，将获取的数据划分为训练集和验证集；S04：对数据进行transformer模型架构训练，用transformer模型架构对训练集的数据与验证集的数据进行模型训练；S05：将信息输入到训练好的模型，模型输出个人理财推荐，将用户信息数据、理财产品信息输入到训练好的模型中，模型将自动给出用户最合适点击和购买的针对性理财产品，并推荐给目标客户；S06：通过多渠道向用户推荐，并获取反馈信息，通过短信和电话相结合的营销方式向目标客户推荐理财产品，并获取推荐用户的反馈信息。2.根据权利要求1所述的基于用户连续行为序列特征的智能理财推荐方法，其特征在于，所述步骤S01中，用户对理财产品点击购买的历史行为数据包括用户对各个理财产品历史上的点击与购买的时间序列。3.根据权利要求1所述的基于用户连续行为序列特征的智能理财推荐方法，其特征在于，所述步骤S02中，理财产品的属性信息多维度以及用户属性信息多维度数据的规范化处理，包括对用户属性信息多维度以及理财产品的属性信息多维度进行布尔型数据规范化处理，得到符合预设格式的量化数据。4.根据权利要求1所述的基于用户连续行为序列特征的智能理财推荐方法，其特...

【专利技术属性】
技术研发人员：林晓钟，林路，王慜骊，郏维强，
申请(专利权)人：信雅达系统工程股份有限公司，
类型：发明
国别省市：浙江,33