基于spark平台的银行产品推荐方法及装置制造方法及图纸

本发明专利技术公开了一种基于spark平台的银行产品推荐方法及装置，其中方法包括：获得待推荐银行产品的产品信息；对所述待推荐银行产品的产品信息进行特征工程处理，生成待推荐银行产品的产品画像；根据所述待推荐银行产品的产品画像，以及预先建立的关联模型，确定所述产品画像对应的用户画像，所述关联模型根据历史产品画像和历史用户画像预先建立，所述历史产品画像根据历史产品信息生成，所述历史用户画像根据历史用户信息生成；根据所述用户画像，从数据库中提取目标用户列表。本发明专利技术可以有针对性的向用户推荐银行产品，保证集群资源合理分配，提高推荐准确率及用户体验。

【技术实现步骤摘要】
基于spark平台的银行产品推荐方法及装置
本专利技术涉及互联网
，尤其涉及基于spark平台的银行产品推荐方法及装置。
技术介绍
目前，商业银行无论是金融类产品还是非金融类产品都已经达到成千上万级别，并且目前零售业务也越来越受银行和用户的青睐，银行在零售方面为用户提供个性化的产品也是获取优质用户的重要渠道。无论是在金融产品还是非金融零售产品方面，有针对性的向用户推荐产品可以有效提高用户体验，带动整体用户量的增长。目前各大银行的产品种类繁多，不同场景的需求也是千千万万，现有的银行产品推荐方法存在推荐结果不准确，集群资源分配不均的问题，从而影响用户体验。
技术实现思路
本专利技术实施例提供一种基于spark平台的银行产品推荐方法，用以有针对性的向用户推荐银行产品，保证集群资源合理分配，提高推荐准确率及用户体验，该方法包括：获得待推荐银行产品的产品信息；对所述待推荐银行产品的产品信息进行特征工程处理，生成待推荐银行产品的产品画像；根据所述待推荐银行产品的产品画像，以及预先建立的关联模型，确定本文档来自技高网...

【技术保护点】
1.一种基于spark平台的银行产品推荐方法，其特征在于，包括：/n获得待推荐银行产品的产品信息；/n对所述待推荐银行产品的产品信息进行特征工程处理，生成待推荐银行产品的产品画像；/n根据所述待推荐银行产品的产品画像，以及预先建立的关联模型，确定所述产品画像对应的用户画像，所述关联模型根据历史产品画像和历史用户画像预先建立，所述历史产品画像根据历史产品信息生成，所述历史用户画像根据历史用户信息生成；/n根据所述用户画像，从数据库中提取目标用户列表。/n

【技术特征摘要】
1.一种基于spark平台的银行产品推荐方法，其特征在于，包括：
获得待推荐银行产品的产品信息；
对所述待推荐银行产品的产品信息进行特征工程处理，生成待推荐银行产品的产品画像；
根据所述待推荐银行产品的产品画像，以及预先建立的关联模型，确定所述产品画像对应的用户画像，所述关联模型根据历史产品画像和历史用户画像预先建立，所述历史产品画像根据历史产品信息生成，所述历史用户画像根据历史用户信息生成；
根据所述用户画像，从数据库中提取目标用户列表。


2.如权利要求1所述的基于spark平台的银行产品推荐方法，其特征在于，所述产品信息包括：产品类型，产品数量，产品编号其中之一或任意组合，所述产品类型包括：理财产品类型，基金类型，大众商品类型，外币服务类型，跨境留学产品类型。


3.如权利要求1所述的基于spark平台的银行产品推荐方法，其特征在于，所述历史用户信息包括：用户属性信息，资产负债信息，产品持仓信息，用户行为信息其中之一或任意组合。


4.如权利要求1所述的基于spark平台的银行产品推荐方法，其特征在于，按如下方式预先建立关联模型：
获得历史产品信息，历史用户信息和业务场景参数；
利用spark算子对所述历史产品信息和历史用户信息进行异常值清洗处理；
对所述历史产品信息和历史用户信息进行特征工程处理，生成历史产品信息对应的历史产品画像和历史用户信息对应的历史用户画像；
根据业务场景参数，建立所述历史产品画像和历史用户画像的映射关系。


5.如权利要求4所述的基于spark平台的银行产品推荐方法，其特征在于，获得历史产品信息和历史用户信息之后，生成所述历史产品信息和历史用户信息对应的hive表数据；
利用spark算子对所述历史产品信息和历史用户信息进行异常值清洗处理，包括：利用spark算子对所述历史产品信息和历史用户信息对应的hive表数据进行异常值清洗...

【专利技术属性】
技术研发人员：张亚泽，
申请(专利权)人：中国银行股份有限公司，
类型：发明
国别省市：北京;11