一种产品推荐方法及系统技术方案

本申请公开了一种产品推荐方法及系统，通过将经过处理后的用户属性特征信息及用户交易特征信息以及多个金融产品的产品属性信息共同作为预设推荐模型的输入，以确定输出，其中，输出值为用户对金融产品的预估购买值，只需要将用户信息及产品属性信息输入至预设推荐模型，就可以确定出用户对每一个产品的预估购买值，并不需要用户至少购买过其中一个产品，实现了新老用户对产品喜爱程度的预测。

A product recommendation method and system

The application discloses a product recommendation method and system, which determines the output by taking the processed user attribute feature information, user transaction feature information and product attribute information of multiple financial products as the input of preset recommendation model, wherein the output value is the user's estimated purchase value of financial products, only the user information and product attribute information need to be input After entering the preset recommendation model, the user's estimated purchase value for each product can be determined, and it is unnecessary for the user to purchase at least one of the products, thus realizing the prediction of the new and old users' favorite degree for the product.

【技术实现步骤摘要】
一种产品推荐方法及系统
本申请涉及信息处理领域，尤其涉及一种产品推荐方法及系统。
技术介绍
掌上银行是银行企业的移动端APP，客户可以通过该APP完成金融交易，其中，理财、基金等产品推荐是掌上银行非常重要的功能之一，该功能可以辅助用户，使用户可以更快、更方便的选购适合的金融产品。然而，目前，在进行金融产品推荐时，通常需要该用户已经购买过至少一种金融产品，在用户未购买过任何金融产品时，是不能实现金融产品的推荐的。
技术实现思路
有鉴于此，本申请提供一种产品推荐方法及系统，其具体方案如下：一种产品推荐方法，包括：确定用户信息，所述用户信息至少包括：用户属性特征信息及用户交易特征信息；将所述用户信息中包括的特征信息按照所述特征信息所属的不同的特征类型进行特征处理；将处理后的所述特征信息及多个金融产品的产品属性信息作为预设推荐模型的输入，确定所述预设推荐模型的输出值，所述预设推荐模型的输出值为所述用户对所述金融产品的预估购买值。进一步的，所述将处理后的所述特征信息及多个金融产品的产品属性信息作为预设推荐模型的输入，确定所述预设推荐模型的输出值，包括：确定所述用户购买所述金融产品的次数；若所述用户购买所述金融产品的次数为非0值，则直接将所述非0值作为所述用户对所述金融产品的购买值；若所述用户购买所述金融产品的次数为0，则将处理后的所述特征信息及所述金融产品的产品属性信息作为预设推荐模型的输入，确定所述用户对所述金融产品的预估购买值。r>进一步的，所述将所述用户信息中包括的特征信息按照所述特征信息所属的不同的特征类型进行特征处理，包括：将所述用户信息中包括的特征信息按照所述特征信息所属的不同的特征类型进行特征处理，将经过所述特征处理后的所述用户属性特征信息及用户交易特征信息进行线性加权处理，并将经过所述线性加权处理后的特征信息归一化至第一数值范围。进一步的，所述将所述用户信息中包括的特征信息按照所述特征信息所属的不同的特征类型进行特征处理，包括：确定所述用户信息中的多个特征信息所属的不同的特征类型；将所述特征类型为数字特征的特征信息进行第一类型处理，将所述特征类型为文字特征的特征信息进行一维特征变换为多维特征的变换处理。进一步的，所述将所述特征类型为数字特征的特征信息进行第一类型处理，包括：将所述特征类型为第一连续型特征的特征信息进行连续型特征离散映射处理；将所述特征类型为金融连续型特征的特征信息进行对数变换及归一化处理。一种产品推荐系统，包括：确定单元，处理单元及预估确定单元，其中：所述确定单元用于确定用户信息，所述用户信息至少包括：用户属性特征信息及用户交易特征信息；所述处理单元用于将所述用户信息中包括的特征信息按照所述特征信息所属的不同的特征类型进行特征处理；所述预估确定单元用于将处理后的所述特征信息及多个金融产品的产品属性信息作为预设推荐模型的输入，确定所述预设推荐模型的输出值，所述预设推荐模型的输出值为所述用户对所述金融产品的预估购买值。进一步的，所述预估确定单元用于：确定所述用户购买所述金融产品的次数；若所述用户购买所述金融产品的次数为非0值，则直接将所述非0值作为所述用户对所述金融产品的购买值；若所述用户购买所述金融产品的次数为0，则将处理后的所述特征信息及所述金融产品的产品属性信息作为预设推荐模型的输入，确定所述用户对所述金融产品的预估购买值。进一步的，所述处理单元用于：将所述用户信息中包括的特征信息按照所述特征信息所属的不同的特征类型进行特征处理，将经过所述特征处理后的所述用户属性特征信息及用户交易特征信息进行线性加权处理，并将经过所述线性加权处理后的特征信息归一化至第一数值范围。进一步的，所述处理单元用于：确定所述用户信息中的多个特征信息所属的不同的特征类型；将所述特征类型为数字特征的特征信息进行第一类型处理，将所述特征类型为文字特征的特征信息进行一维特征变换为多维特征的变换处理。进一步的，所述处理单元将所述特征类型为数字特征的特征信息进行第一类型处理，包括：所述处理单元将所述特征类型为第一连续型特征的特征信息进行连续型特征离散映射处理；将所述特征类型为金融连续型特征的特征信息进行对数变换及归一化处理。从上述技术方案可以看出，本申请公开的产品推荐方法及系统，确定用户信息，用户信息至少包括用户属性特征信息及用户交易特征信息，将用户信息中包括的特征信息按照特征信息所属的不同的特征类型进行特征处理，将处理后的特征信息及多个金融产品的产品属性信息作为预设推荐模型的输入，确定预设推荐模型的输出值，预设推荐模型的输出值为用户对金融产品的预估购买值。本方案通过将经过处理后的用户属性特征信息及用户交易特征信息以及多个金融产品的产品属性信息共同作为预设推荐模型的输入，以确定输出，其中，输出值为用户对金融产品的预估购买值，只需要将用户信息及产品属性信息输入至预设推荐模型，就可以确定出用户对每一个产品的预估购买值，并不需要用户至少购买过其中一个产品，实现了新老用户对产品喜爱程度的预测。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本申请实施例公开的一种产品推荐方法的流程图；图2为本申请实施例公开的一种产品推荐方法的流程图；图3为本申请实施例公开的一种产品推荐方法的流程图；图4为本申请实施例公开的一种产品推荐系统的结构示意图。具体实施方式下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。本申请公开了一种产品推荐方法，其流程图如图1所示，包括：步骤S11、确定用户信息，用户信息至少包括：用户属性特征信息及用户交易特征信息；用户信息至少包括：用户属性特征信息及用户交易特征信息。其中，用户属性特征信息可以包括：用户的基本属性、金融属性和交易属性，用户的基本属性包括：年龄、性别、开户地、学历等信息；用户的金融属性包括：活期余额、信用等级、持卡数量等，其中，持卡为开户的银行卡；交易属性包括：信用卡月均消费金额、笔数，借记卡转账金额、笔数等。其中，用户交易特征信息可以包括：用户购买金融产品的金额、一定时间内的交易笔数等。在有用户使用本申请公开的产品推荐方法所基于的产品推荐系统为用户进行金融产品推荐时，需要首先获取用户的用户属性特征信息以及用户交易特征信息。步骤S12、将用户本文档来自技高网...

【技术保护点】
1.一种产品推荐方法，其特征在于，包括：/n确定用户信息，所述用户信息至少包括：用户属性特征信息及用户交易特征信息；/n将所述用户信息中包括的特征信息按照所述特征信息所属的不同的特征类型进行特征处理；/n将处理后的所述特征信息及多个金融产品的产品属性信息作为预设推荐模型的输入，确定所述预设推荐模型的输出值，所述预设推荐模型的输出值为所述用户对所述金融产品的预估购买值。/n

【技术特征摘要】
1.一种产品推荐方法，其特征在于，包括：
确定用户信息，所述用户信息至少包括：用户属性特征信息及用户交易特征信息；
将所述用户信息中包括的特征信息按照所述特征信息所属的不同的特征类型进行特征处理；
将处理后的所述特征信息及多个金融产品的产品属性信息作为预设推荐模型的输入，确定所述预设推荐模型的输出值，所述预设推荐模型的输出值为所述用户对所述金融产品的预估购买值。


2.根据权利要求1所述的方法，其特征在于，所述将处理后的所述特征信息及多个金融产品的产品属性信息作为预设推荐模型的输入，确定所述预设推荐模型的输出值，包括：
确定所述用户购买所述金融产品的次数；
若所述用户购买所述金融产品的次数为非0值，则直接将所述非0值作为所述用户对所述金融产品的购买值；
若所述用户购买所述金融产品的次数为0，则将处理后的所述特征信息及所述金融产品的产品属性信息作为预设推荐模型的输入，确定所述用户对所述金融产品的预估购买值。


3.根据权利要求1所述的方法，其特征在于，所述将所述用户信息中包括的特征信息按照所述特征信息所属的不同的特征类型进行特征处理，包括：
将所述用户信息中包括的特征信息按照所述特征信息所属的不同的特征类型进行特征处理，将经过所述特征处理后的所述用户属性特征信息及用户交易特征信息进行线性加权处理，并将经过所述线性加权处理后的特征信息归一化至第一数值范围。


4.根据权利要求1所述的方法，其特征在于，所述将所述用户信息中包括的特征信息按照所述特征信息所属的不同的特征类型进行特征处理，包括：
确定所述用户信息中的多个特征信息所属的不同的特征类型；
将所述特征类型为数字特征的特征信息进行第一类型处理，将所述特征类型为文字特征的特征信息进行一维特征变换为多维特征的变换处理。


5.根据权利要求4所述的方法，其特征在于，所述将所述特征类型为数字特征的特征信息进行第一类型处理，包括：
将所述特征类型为第一连续型特征的特征信息进行连续型特征离散映射处理；将所...

【专利技术属性】
技术研发人员：秦岳，耿晓阳，赵存超，
申请(专利权)人：中国农业银行股份有限公司，
类型：发明
国别省市：北京;11