基于人工智能的理财产品推荐方法、装置、设备及介质制造方法及图纸

本申请为人工智能技术领域，本申请提供了一种基于人工智能的理财产品推荐方法、装置、设备及介质，其中，所述方法包括：构建历史理财数据与历史产品偏好信息的对应关系；根据对应关系，将具有相同历史产品偏好信息的历史理财数据划分在同一数据集，并组成训练集，从训练集中选取K个训练样本，并构建K个决策树模型，将各个训练样本分别输入至不同的决策树模型进行训练，得到训练好的K个决策树模型；利用训练好的K个决策树模型组成理财产品推荐模型；获取用户的理财数据，将理财数据输入理财产品推荐模型中，得到多个理财产品及产品偏好值，并从中筛选出目标理财产品推荐给用户，以实现精准推荐，推荐效果更好。推荐效果更好。推荐效果更好。

【技术实现步骤摘要】
基于人工智能的理财产品推荐方法、装置、设备及介质


[0001]本申请涉及人工智能
，具体而言，本申请涉及一种基于人工智能的理财产品推荐方法、装置、设备及介质。

技术介绍

[0002]随着经济的发展和科技的进步，人们的理财意识逐渐增强，越来越多的人将闲置资金投入到金融理财产品中。银行、基金公司等金融机构，为了向用户推销自己的理财产品，常常重点选择购买理财产品意愿较强的用户进行定向推荐，以提高产品推荐的效果。
[0003]为了能更好地了解用户的购买意愿，理财平台常常根据其所掌握的用户信息对用户进行评估，对评估出的购买理财产品意愿较强的用户进行理财产品的推荐。但是，目前理财平台在对用户进行推荐时，一般只推荐当前比较热门的一些理财产品，推荐的理财产品过于单一化，而且比较固定，推荐的效果较差。

技术实现思路

[0004]本申请的主要目的为提供一种基于人工智能的理财产品推荐方法、装置、设备及介质，以提高理财产品的推荐效果。
[0005]为了实现上述专利技术目的，本申请提供一种基于人工智能的理财产品推荐方法，其包括以下步本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的理财产品推荐方法，其特征在于，包括：获取预设时间段内用户的历史理财数据及历史产品偏好信息，并构建所述历史理财数据与所述历史产品偏好信息的对应关系；根据所述对应关系，将具有相同历史产品偏好信息的历史理财数据划分在同一数据集，并将所有的数据集以及与所述数据集对应的历史产品偏好信息作为训练样本组成训练集；从所述训练集中选取K个训练样本，并构建K个决策树模型，将各个所述训练样本分别输入至不同的决策树模型进行训练，得到训练好的K个决策树模型，K为正整数；利用训练好的所述K个决策树模型组成理财产品推荐模型；获取用户的理财数据，将所述理财数据输入所述理财产品推荐模型中，得到多个理财产品及每个所述理财产品对应的产品偏好值；根据所述产品偏好值从所述理财产品中筛选出目标理财产品，将所述目标理财产品推荐给用户。2.根据权利要求1所述的方法，其特征在于，所述根据所述产品偏好值从所述理财产品中筛选出目标理财产品，包括：获取时事热点信息，提取所述时事热点信息的第一关键词，并提取每个所述理财产品的第二关键词；计算所述第一关键词与每个所述理财产品的第二关键词的相似度值，将相似度值大于预设相似度阈值的第二关键词作为目标关键词；将所述目标关键词对应的理财产品作为所述目标理财产品。3.根据权利要求2所述的方法，其特征在于，所述第一关键词包括多个，所述计算所述第一关键词与每个所述理财产品的第二关键词的相似度值，包括：利用预先训练好的Word2Vec词向量模型将多个所述第一关键词分别转换为词向量，并计算多个所述第一关键词的词向量的平均值，得到第一词向量；利用所述Word2Vec词向量模型将每个所述理财产品的第二关键词转换为词向量，得到每个所述理财产品的第二词向量；计算所述第一词向量与每个所述理财产品的第二词向量的余弦距离作为所述相似度值。4.根据权利要求1所述的方法，其特征在于，所述得到训练好的K个决策树模型，包括：利用预设的损失函数分别计算训练后的每个决策树模型的损失值；判断所述每个决策树模型的损失值是否都低于预设损失值；若是，则判定所述K个决策树模型完成训练。5.根据权利要求1所述的方法，其特征在于，所述根据所述产品偏好值从所述理财产品中筛选出目标理财产品，包括：按照所述产品偏...

【专利技术属性】
技术研发人员：沈卫，
申请(专利权)人：平安普惠企业管理有限公司，
类型：发明
国别省市：