【技术实现步骤摘要】
一种大数据基金推荐方法及系统
[0001]本专利技术涉及计算机
,具体而言,涉及一种大数据基金推荐方法及系统。
技术介绍
[0002]目前,而是开始综合全盘考虑,对企业发展现状和未来进行统计、估算、规划。通过大数据分析,可以获知客户的偏好程度,针对性地改善产品配置。能够在预测方面提供帮助,给与一定资金判断怎么投资最好。但是目前基金的推荐一般是通过人工选择类型将基金推荐给用户,不能够符合用户的偏好进行推荐。
技术实现思路
[0003]本专利技术的目的在于提供了一种大数据基金推荐方法及系统,用以解决现有技术中存在的上述问题。
[0004]第一方面,本专利技术实施例提供了一种大数据基金推荐方法,包括:
[0005]获得资产信息;所述资产信息包括资产资金和多张当前基金图像;所述资产资金表示用户用于投资的资金;所述当前基金图像表述当前所有可以用于投资的基金的前6个月走势图像;
[0006]获得投资信息;所述投资信息包括多张曾经投资基金图像和对应投资资金;所述曾经投资基金图像投资基金在投资时间点的前6个月走势图像;
[0007]基于所述投资信息,通过偏好模型,得到投资偏好信息;所述投资偏好信息包括投资偏好集合和对应投资的基金图像;
[0008]基于所述投资偏好信息和所述资产信息中曾经投资基金图像,得到偏好图像;
[0009]基于所述偏好图像和资产信息,得到推荐投资基金集合;
[0010]基于所述推荐投资基金集合,向用户推荐基金。
[0011]可 ...
【技术保护点】
【技术特征摘要】
1.一种大数据基金推荐方法,其特征在于,包括:获得资产信息;所述资产信息包括资产资金和多张当前基金图像;所述资产资金表示用户用于投资的资金;所述当前基金图像表述当前所有可以用于投资的基金的前6个月走势图像;获得投资信息;所述投资信息包括多张曾经投资基金图像和对应投资资金;所述曾经投资基金图像投资基金在投资时间点的前6个月走势图像;基于所述投资信息,通过偏好模型,得到投资偏好信息;所述投资偏好信息包括投资偏好集合和对应投资的基金图像;基于所述投资偏好信息和所述资产信息中曾经投资基金图像,得到偏好图像;基于所述偏好图像和资产信息,得到推荐投资基金集合;基于所述推荐投资基金集合,向用户推荐基金。2.根据权利要求1所述的一种大数据基金推荐方法,其特征在于,所述偏好模型包括偏好卷积网络、偏好转换结构和偏好判别网络:所述偏好卷积网络的输入为确定基金图像和变化基金图像;所述偏好转换结构的输入为所述偏好卷积网络的输出;所述偏好判别网络的输入为所述偏好转换结构的输出。3.根据权利要求1所述的一种大数据基金推荐方法,其特征在于,所述基于所述投资信息,通过偏好模型,得到投资偏好信息,包括:基于所述投资信息中多张曾经投资基金图像,输入预处理模块,得到预处理基金图像集合;获得第一确定基金图像;所述确定基金图像为所述预处理基金图像集合中的图像;获得第一变化基金图像集合;所述变化基金图像表述多个预处理基金图像中除确定基金图像之外图像组成的集合;将所述第一变化基金图像集合和第一确定基金图像输入偏好模型,得到第一用户基金相似集合;所述第一用户基金相似集合表示和第一变化基金图像集合中与第一确定基金图像相似的图像集合;通过多次从所述预处理基金图像集合中除用户基金相似集合之外的预处理基金图像获得确定基金图像和变化基金图像集合;将所述确定基金图像和变化基金图像集合输入偏好模型,得到多个用户基金相似集合;基于所述多个用户基金相似集合,得到多个用户基金相似数量;所述用户基金相似数量表示所述用户基金相似集合中值的数量;基于所述多个用户基金相似数量,得到投资偏好信息;所述投资偏好信息包括投资偏好集合和对应投资的基金图像;所述投资偏好集合表示用户基金相似数量大于其他用户基金相似数量的用户基金相似集合。4.根据权利要求3所述的一种大数据基金推荐方法,其特征在于,所述基于所述基金图像,输入预处理模块,得到预处理基金图像,包括:将所述基金图像进行灰度化,得到灰度基金图;将所述灰度基金图,进行二值化,得到二值基金图;基于所述二值基金图,得到基金折线;基于所述基金折线和所述二值基金图,得到预处理基金图像;所述预处理基金图像为
所述二值基金图像中高度小于所述基金折线的像素值用0替代的图像。5.根据权利要求3所述的一种大数据基金推荐方法,其特征在于,所述将所述第一变化基金图像集合和第一确定基金图像输入偏好模型,得到第一用户基金相似集合,包括:将所述第一确定基金图像输入偏好卷积网络,得到第一确定特征图;基于所述第一确定特征图,通过偏好转换结构,得到第一确定特征向量;获得第一变化基金图像;所述第一变化基金图像为所述第一变化基金图像集合中的图像;将所述第一变化基金图像输入偏好卷积网络,进行特征提取,得到第一变化基金特征图;基于所述第一变化特征图,通过偏好转换结构,得到第一变化基金特征向量;基于所述确定特征向量和所述第一变化基金特征向量,通过偏好判别网络,得到第一判别相似值;所述判别相似值为0表示所述确定特征向量和所述第一变化基金特征向量不相似;通过多次从第一变化基金图像集合中提取图像,并通过偏好卷积网络进特征提取,偏好神经网络进行特征分类,得到对应多个变化基金特征向量;将所述变化基金特征向量与确定特...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。