基于知识图谱的理财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知识图谱的理财产品推荐方法及装置，其中该方法包括：获取各个存量客户的客户信息；将每个存量客户的客户信息，输入到预先通过机器学习训练好的理财产品推荐模型中，输出每个存量客户意图购买目标理财产品的概率值；获取概率值超过预设阈值的一个或多个存量客户，作为种子客户；将种子客户的客户信息输入到预先构建的客户关系知识图谱中，输出种子客户关联的一个或多个潜在客户；向各个潜在客户推送目标理财产品的产品信息。本发明专利技术能够预测出意图购买待推荐理财产品的潜在客户，进而向其推荐相应的理财产品，大大提高了理财产品推荐的准确率。

【技术实现步骤摘要】
基于知识图谱的理财产品推荐方法及装置
本专利技术涉及大数据分析领域，尤其涉及一种基于知识图谱的理财产品推荐方法及装置。
技术介绍
本部分旨在为权利要求书中陈述的本专利技术实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。随着金融行业的不断发展，各大银行能够性客户提供的理财产品也越来越丰富，如何向客户精准推荐理财产品，是各大银行十分关注的问题。现有各种银行理财产品系统，大都是通过采集每个客户的各种信息(例如，性别、地域、职业、消费等级、消费习惯、购买行为等)，对每个客户进行精准画像，分析客户对理财产品的兴趣、偏好、需求等，借助一些机器学习算法(例如，决策树算法等)，预测每个客户意图购买的理财产品，进而向各个客户推荐其意图购买的理财产品。这种借助机器学习算法对客户意图购买的理财产品进行预测，其预测准确率完全依赖于采集的客户信息是否全面，如果能够采集每个客户的全量信息，则预测结果相当精准。然而，在对客户信息进行采集的过程中，往往存在大量信息无法被正常采集，甚至可能采集到一些错误的信息，会大大影响理财产品推本文档来自技高网...

【技术保护点】
1.一种基于知识图谱的理财产品推荐方法，其特征在于，包括：/n获取各个存量客户的客户信息；/n将每个存量客户的客户信息，输入到预先通过机器学习训练好的理财产品推荐模型中，输出每个存量客户意图购买目标理财产品的概率值；/n获取概率值超过预设阈值的一个或多个存量客户，作为种子客户；/n将种子客户的客户信息输入到预先构建的客户关系知识图谱中，输出种子客户关联的一个或多个潜在客户；/n向各个潜在客户推送所述目标理财产品的产品信息。/n

【技术特征摘要】
1.一种基于知识图谱的理财产品推荐方法，其特征在于，包括：
获取各个存量客户的客户信息；
将每个存量客户的客户信息，输入到预先通过机器学习训练好的理财产品推荐模型中，输出每个存量客户意图购买目标理财产品的概率值；
获取概率值超过预设阈值的一个或多个存量客户，作为种子客户；
将种子客户的客户信息输入到预先构建的客户关系知识图谱中，输出种子客户关联的一个或多个潜在客户；
向各个潜在客户推送所述目标理财产品的产品信息。


2.如权利要求1所述的方法，其特征在于，在将种子客户的客户信息输入到预先构建的客户关系知识图谱中，输出种子客户关联的一个或多个潜在客户之后，所述方法还包括：
获取每个潜在客户关联的一个或多个理财产品的产品信息；
将每个潜在客户关联的一个或多个理财产品的产品信息，推送至每个潜在客户。


3.如权利要求2所述的方法，其特征在于，在获取每个潜在客户关联的一个或多个理财产品的产品信息之后，所述方法还包括：
根据各个潜在客户的客户信息构建潜在客户集合；
根据各个潜在客户关联的一个或多个理财产品的产品信息，构建待推荐理财产品集合；
根据所述潜在客户集合和待推荐理财产品集合，计算每个潜在客户意图购买所述待推荐理财产品集合中各个待推荐理财产品的概率值；
将概率值超过预设阈值的待推荐理财产品的产品信息，推送至每个潜在客户。


4.如权利要求1至3任一项所述的方法，其特征在于，所述方法还包括：
构建客户关系知识图谱，所述客户关系知识图谱中的客户实体包括：产品信息、资产情况、行业职业、家庭信息、年龄、性别、教育情况；所述客户关系知识图谱中的关系包括：客户与产品之间的关系、客户与客户之间的交易关系。


5.如权利要求1至3任一项所述的方法，其特征在于，所述方法还包括：
对基于迭代决策树GBDT模型进行机器学习训练，得到所述理财产品推荐模型。


6.一种基于知识图谱的理财产品推荐装置，其特征在于，包括：
客户信息获取模块，用于获取各个存量客户的客户信息；
理财产品预测模块，用于将每个存量客户的客户信息，输入到预先通过机器学习训练好的理财产品推荐模型中，输出每个存量客户意图购买目标理财产...

【专利技术属性】
技术研发人员：丁平，李帅，
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