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。本专利技术实施例提供一种基于spark平台的银行产品推荐装置，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，该装置包括：>信息获得模块，用于获得待推荐银行产品的产品信息；产品画像生成模块，用于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；用户画像确定模块，用于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；用户列表提取模块，用于根据所述用户画像，从数据库中提取目标用户列表。本专利技术实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于spark平台的银行产品推荐方法。本专利技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述基于spark平台的银行产品推荐方法的计算机程序。本专利技术实施例通过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。本专利技术实施例预先根据历史产品信息生成历史产品画像，根据历史用户信息生成历史用户画像，从而根据历史产品画像和历史用户画像预先建立了关联模型，得到产品画像和用户画像两个维度信息的对应关系，当获得待推荐银行产品的产品信息后先生成对应的产品画像，结合预先建立的关联模型即可找到产品画像对应的用户画像并确定目标用户列表，有效挖掘并利用了产品画像和用户画像两个维度信息之间的关联性和相似性，有针对的向用户推荐银行产品，保证了集群资源合理分配，提高了推荐准确率及用户体验。附图说明为了更清楚地说明本专利技术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专利技术的一些实施例，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。在附图中：图1为本专利技术实施例中基于spark平台的银行产品推荐方法示意图；图2为本专利技术实施例中基于spark平台的银行产品推荐装置结构图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本专利技术实施例做进一步详细说明。在此，本专利技术的示意性实施例及其说明用于解释本专利技术，但并不作为对本专利技术的限定。首先，对本申请实施例中涉及的名词进行介绍：spark平台：Spark是一个基于内存计算的开源集群计算系统，是Apache社区最火热的项目之一，与Hadoop相比，Spark的计算速度可以提升近100倍。Spark由一组功能强大、高级别的库组成，包括SparkSql、SparkStreaming、MLlib、GraphX。Spark提供了大量的算子和丰富的数据操作接口方便对数据处理。DataFrame：一种Spark平台上的分布式数据集，提供了由列组成的详细模式信息，就像关系型数据库中的表一样。DataFrame拥有丰富的算子，并进行了更高层次的抽象，提供了专用的API来处理分布式数据，可以方便地处理大规模结构化数据。用户画像：用户画像(userprofile)是根据用户的基本属性(年龄、性别、地域)、兴趣爱好、社会属性、生活习惯和消费行为等用户的信息抽象出的一个标签化的用户模型。构建用户画像的核心工作就是找到用户的特征标签，而用户标签是通过对用户信息分析而来的高度精炼的特征标识。产品画像：产品画像是根据用户画像的思想模式演变而来，是根据用户的基本属性(类别、价格)以及产品的描述信息抽象出的一个标签化的产品模型。如前所述，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。具体的，系统各个模块之间缺少统一的数据交互格式，无法做到各模块之间无缝对接；没有充分结合待推荐产品和用户画像以及产品画像之间的强弱关系来生成推荐结果。为了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，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，如图1所示，该方法可以包括：步骤101、获得待推荐银行产品的产品信息；步骤102、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；步骤103、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；步骤104、根据所述用户画像，从数据库中提取目标用户列表。由图1所示可以得知，本专利技术实施例通过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