一种基于客户浏览行为序列的信用卡产品推荐方法技术

本发明专利技术涉及一种基于客户浏览行为序列的信用卡产品推荐方法，包括：获取推荐所需处理数据，包括客户方数据和卡产品特性数据，并对客户方数据进行特征化处理，获取客户基本信息画像和客户方特征向量；根据卡产品特性数据和处理得到的特征化向量，以及银行信用卡中心待推荐的卡产品信息，分别通过xgboost模型、Item2Vec模型和产品特性相似度算法进行产品评分；对三种方法得到的产品评分进行加权融合，并对不同待推荐卡产品进行排序。与现有技术相比，本发明专利技术具有能够保证产品召回算法的时效性和精准度，解决冷启动问题等优点。

【技术实现步骤摘要】
一种基于客户浏览行为序列的信用卡产品推荐方法
本专利技术涉及计算机
，尤其是涉及一种基于客户浏览行为序列的信用卡产品推荐方法。
技术介绍
随着金融科技的快速发展，AI技术在金融机构特别是信用卡行业的研究范围持续扩大。其中如何实现持续客户增长的目标是较为重要的指标，这其中面临的最主要问题为：如何选择合适的AI技术赋能实现高效获客。数据价值挖掘和精准推荐、个性化推荐技术的助力正为该问题的解决提供解决方案。纵观市场上的推荐方法，分为经典推荐方法和基于深度神经网络的推荐方法两部分。经典推荐方法技术包括关联规则、协同过滤算法。关联规则利用数据挖掘商品之间的关联关系，最为经典的例子即“尿布-啤酒理论”，即在超市的货架设计时，将尿布和啤酒两类商品放在相邻的货架上，可以提高两类商品的销售额。该理论的得出主要是基于实际超时的购买数据进行挖掘分析得出买了尿布的男性，大概率都会买啤酒。协同过滤算法包括基于用户的协同过滤、基于物品的协同过滤和基于内容的协同过滤算法，其核心原理即通过用户-物品-内容之间的关系数据，计算用户-用户、物品-物品、内容-内容的相本文档来自技高网...

【技术保护点】
1.一种基于客户浏览行为序列的信用卡产品推荐方法，其特征在于，包括：/n获取推荐所需处理数据，包括客户方数据和卡产品特性数据，并对客户方数据进行特征化处理，获取客户基本信息画像和客户方特征向量；/n根据卡产品特性数据和处理得到的特征化向量，以及银行信用卡中心待推荐的卡产品信息，分别通过xgboost模型、Item2Vec模型和产品特性相似度算法进行产品评分；/n对三种方法得到的产品评分进行加权融合，并对不同待推荐卡产品进行排序。/n

【技术特征摘要】
1.一种基于客户浏览行为序列的信用卡产品推荐方法，其特征在于，包括：
获取推荐所需处理数据，包括客户方数据和卡产品特性数据，并对客户方数据进行特征化处理，获取客户基本信息画像和客户方特征向量；
根据卡产品特性数据和处理得到的特征化向量，以及银行信用卡中心待推荐的卡产品信息，分别通过xgboost模型、Item2Vec模型和产品特性相似度算法进行产品评分；
对三种方法得到的产品评分进行加权融合，并对不同待推荐卡产品进行排序。


2.根据权利要求1所述的基于客户浏览行为序列的信用卡产品推荐方法，其特征在于，所述客户方数据包括客户的基本属性、客户在该银行信用卡APP的卡片点击行为数据、客户交易行为数据、客户设备APP列表数据以及客户客服对话数据，所述卡产品特性数据为基于银行信用卡中心的卡产品图片资源服务器调取的该客户已办理的第一张信用卡的卡产品信息。


3.根据权利要求2所述的基于客户浏览行为序列的信用卡产品推荐方法，其特征在于，所述客户基本信息画像为客户的基本属性，基于客户的基本属性利用xgboost算法进行打分，得到xgboost模型得分。


4.根据权利要求3所述的基于客户浏览行为序列的信用卡产品推荐方法，其特征在于，所述客户方特征向量包括客户消费分类偏好向量和客户APP分类偏好向量。


5.根据权利要求4所述的基于客户浏览行为序列的信用卡产品推荐方法，其特征在于，所述客户消费分类偏好向量为对客户近六个月的消费记录按照不同消费类型进行聚合统计所构建的偏好向量，各消费记录数据分别标注有消费分类标签，统计后的偏好向量进行停用词、无效符号清晰后生成含有商户名和消费类型标签的数据集。


6.根...

【专利技术属性】
技术研发人员：张晓筱，
申请(专利权)人：上海浦东发展银行股份有限公司，
类型：发明
国别省市：上海;31