基于用户隐性数据的金融产品推荐方法及系统技术方案

本公开提出了基于用户隐性数据的金融产品推荐方法及系统，推荐方法，包括以下步骤：根据获取的待推荐对象的人脸图像特征，生成第一金融产品推荐列表；根据获取的待推荐对象浏览金融产品详情页面的时长，生成第二金融产品推荐列表；对第一金融产品推荐列表和第二金融产品推荐列表进行融合，得到基于用户隐性数据的金融产品推荐列表。本公开能够最大化挖掘用户隐性数据所带的信息，解决推荐算法的冷启动问题，从而提高推荐系统的推荐效果。从而提高推荐系统的推荐效果。从而提高推荐系统的推荐效果。

【技术实现步骤摘要】
基于用户隐性数据的金融产品推荐方法及系统


[0001]本公开涉及数据处理相关
，具体的说，是涉及基于用户隐性数据的金融产品推荐方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息，并不必然构成在先技术。
[0003]随着科技与金融行业的不断发展，基于互联网的金融产品数量和种类飞速增长，给用户带来便捷的同时也带来一些问题。面对海量的产品信息，传统的搜索已经不能满足用户的个性化需求，推荐系统在这个背景下应时而生。
[0004]专利技术人发现，传统的推荐系统通过用户的评分数据，捕获用户的偏好，进而向用户推荐可能感兴趣的物品，比如基于内容的推荐算法是目前针对互联网金融产品推荐领域常用的方法。然而，对于常用的推荐算法来说，冷启动问题依旧是挑战，即对于推荐系统中刚加入的用户，他们有较少的产品评价记录甚至没有。针对这些新用户，他们可利用的历史数据极少，推荐系统很难给出准确的推荐，由于数据的不足，导致对稀疏数据以及新用户的推荐质量较低，推荐效果较差。

技术实现思路

[0005]本公开为了解决上述问题，提出了基于用户隐性数据的金融产品推荐方法及系统，能够最大化挖掘用户隐性数据所带的信息，解决推荐算法的冷启动问题，从而提高推荐系统的推荐效果。
[0006]为了实现上述目的，本公开采用如下技术方案：
[0007]一个或多个实施例提供了基于用户隐性数据的金融产品推荐方法，包括以下步骤：
[0008]根据获取的待推荐对象的人脸图像特征，生成第一金融产品推荐列表；
[0009]根据获取的待推荐对象浏览金融产品详情页面的时长，生成第二金融产品推荐列表；
[0010]对第一金融产品推荐列表和第二金融产品推荐列表进行融合，得到基于用户隐性数据的金融产品推荐列表。
[0011]一个或多个实施例提供了基于用户隐性数据的金融产品推荐系统，包括：
[0012]第一生成模块：被配置为用于根据获取的待推荐对象的人脸图像特征，生成第一金融产品推荐列表；
[0013]第二生成模块：被配置为用于根据获取的待推荐对象浏览金融产品详情页面的时长，生成第二金融产品推荐列表；
[0014]融合模块：被配置为用于对第一金融产品推荐列表和第二金融产品推荐列表进行融合，得到基于用户隐性数据的金融产品推荐列表。
[0015]一个或多个实施例提供了一种电子设备，包括视频采集设备和处理器，所述处理器执行上述的基于用户隐性数据的金融产品推荐方法。
[0016]一个或多个实施例提供了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成上述基于用户隐性数据的金融产品推荐方法所述的步骤。
[0017]与现有技术相比，本公开的有益效果为：
[0018]本公开综合考虑了人脸属性以及用户浏览时长中所包含的隐性数据，确定出用户本身通过隐性数据所表达的对金融产品的偏好，并基于该用户的偏好对该用户进行相应金融产品的推荐。引入用户隐性数据，并根据用户隐性数据进行金融产品推荐，可以解决推荐算法的冷启动问题，能极大地提高金融产品推荐的效果。
[0019]本公开的优点以及附加方面的优点将在下面的具体实施例中进行详细说明。
附图说明
[0020]构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的限定。
[0021]图1是本公开实施例1的方法流程图；
[0022]图2是本公开实施例3的电子设备的运行环境示意图；
具体实施方式
[0023]下面结合附图与实施例对本公开作进一步说明。
[0024]应该指出，以下详细说明都是示例性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属
的普通技术人员通常理解的相同含义。
[0025]需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。需要说明的是，在不冲突的情况下，本公开中的各个实施例及实施例中的特征可以相互组合。下面将结合附图对实施例进行详细描述。
[0026]实施例1
[0027]在一个或多个实施方式公开的技术方案中，如图1所示，基于用户隐性数据的金融产品推荐方法，包括以下步骤：
[0028]步骤S1：根据获取的待推荐对象的人脸图像特征，生成第一金融产品推荐列表；
[0029]步骤S2：根据获取的待推荐对象浏览金融产品详情页面的时长，生成第二金融产品推荐列表；
[0030]步骤S3：对第一金融产品推荐列表和第二金融产品推荐列表，采用集成的方法进行融合，得到基于用户隐性数据的金融产品推荐列表，即为推荐结果，按照推荐列表的顺序推荐给待推荐对象。
[0031]本实施例中，综合考虑了人脸属性以及用户浏览时长中所包含的隐性数据，确定
出用户本身通过隐性数据所表达的对金融产品的偏好，并基于该用户的偏好对该用户进行相应金融产品的推荐。引入用户隐性数据，并根据用户隐性数据进行金融产品推荐，可以解决推荐算法的冷启动问题，能极大地提高金融产品推荐的效果。
[0032]步骤S1中，根据获取的待推荐对象的人脸图像特征，生成第一金融产品推荐列表的方法，包括如下步骤：
[0033]步骤S10，获取待推荐对象(即用户)的人脸视频流数据，按照设定的帧间隔抽帧，得到人脸图像。
[0034]具体的，本实施例中，在接收到对用户进行金融产品推荐的请求时，调用视频采集设备，如手机前置摄像头，获取实时的人脸面部视频流数据，并按照预设帧间隔进行抽帧，得到抽帧图像。
[0035]其中，本专利技术实施例所采用的预设的所述帧间隔可以为5帧，将具有时间间隔的图像用于分析人脸面部数据，能够提高识别人脸面部属性特征的准确度。
[0036]步骤S11，对人脸图像进行预处理。
[0037]在本实施例中，图像预处理步骤包括人脸位置检测、跟踪和标定，以及图像去噪，尺寸和光照变量归一化，最终得到所述待识别图片。
[0038]人脸位置检测、跟踪、标定，具体的，可以使用SeetaFace开源人脸识别引擎，对人脸图像进行人脸检测与人脸特征点标定处理。
[0039]该SeetaFace开源人脸识别引擎中的人脸检测基于一种经典级联结构和多层神经网络结构的人脸检测方法实现，兼顾了速度和精度的平衡。其中，面部特征点标定基于深度学习的CFAN方法实现了5个面部关键特征点(两眼中心，鼻尖和两个嘴角)的精确定位。
[0040]在一些实施例中，尺寸和光照变量归一化，具体的，包括几何归一化与灰度归一化。
[0041]在经过对人脸图像进行人脸检测与本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于用户隐性数据的金融产品推荐方法，其特征在于，包括以下步骤：根据获取的待推荐对象的人脸图像特征，生成第一金融产品推荐列表；根据获取的待推荐对象浏览金融产品详情页面的时长，生成第二金融产品推荐列表；对第一金融产品推荐列表和第二金融产品推荐列表进行融合，得到基于用户隐性数据的金融产品推荐列表。2.如权利要求1所述的基于用户隐性数据的金融产品推荐方法，其特征在于：根据获取的待推荐对象的人脸图像特征，生成第一金融产品推荐列表的方法，包括如下步骤：获取待推荐对象的人脸图像数据，并对图像进行预处理；根据预处理后的人脸图像，提取待推荐对象的人脸属性特征；根据待推荐对象的人脸属性特征，搜索拥有相近面部属性人群对产品的评价数据，以产品评价数据的平均分高低排序生成产品推荐列表。3.如权利要求2所述的基于用户隐性数据的金融产品推荐方法，其特征在于：人脸属性特征包括：待推荐对象即用户的性别、年龄、佩戴眼镜状态。4.如权利要求2所述的基于用户隐性数据的金融产品推荐方法，其特征在于：根据待推荐对象的人脸图像，采用主成分分析方法对人脸图像进行特征提取；或者，对人脸图像进行预处理包括人脸位置检测、跟踪和标定，以及图像去噪，尺寸和光照变量归一化，最终得到所述待识别图片；或者，对人脸图像进行预处理中的使用SeetaFace开源人脸识别引擎，对人脸图像进行人脸检测与人脸特征点标定处理；或者，尺寸和光照变量归一化，具体的，包括几何归一化与灰度归一化；或者，几何归一化，具体的，根据人眼位置对人脸图像进行平移、旋转、缩放等几何放射变换，对人脸图像进行几何规范化处理；或者，灰度归一化采用均值方差的方法，对人脸图像进行灰度变换和拉伸。5.如权利要求1所述的基于用户隐性数据的金融产品推荐方法，其特征在于：根据获取的待推荐对象浏览金融产品详情页面的时长，生成第二金融产品推荐列表的方法，包括如下步骤：获取待推荐对象浏览金融产品详情页面的时长；根据时长...

【专利技术属性】
技术研发人员：王光臣，王宇，张盼盼，张衡，
申请(专利权)人：山东大学，
类型：发明
国别省市：