银行产品信息推荐方法及装置制造方法及图纸

本发明专利技术公开了银行产品信息推荐方法及装置，可用于人工智能技术领域，其中该方法包括：获取用户属性信息，将用户属性信息输入第一银行产品信息推荐模型，得到用户购买的第一银行产品信息；将用户属性信息输入第二银行产品信息推荐模型，得到用户购买的第二银行产品信息；根据第一银行产品信息及第二银行产品信息，建立为用户推荐的银行产品信息集合，根据兴趣指数对银行产品信息集合中各个银行产品信息进行排序并向用户推荐，本发明专利技术根据第一银行产品信息以及第二银行产品信息建立为用户推荐的银行产品信息集合并向用户推荐排序后的银行产品信息集合，实现针对每个用户制定银行产品信息推荐方案，提升了用户体验。提升了用户体验。提升了用户体验。

【技术实现步骤摘要】
银行产品信息推荐方法及装置


[0001]本专利技术涉及人工智能
，尤其涉及银行产品信息推荐方法及装置。

技术介绍

[0002]银行的产品，如对私产品包括外汇、贵金属、双向宝、期权等，目前用户在银行的交易平台签约后，平台仅向用户展示各类产品信息，而未制定针对每个用户的产品推荐方案，影响用户体验的同时降低了推荐的有效性。
[0003]综上，目前亟需一种银行产品信息推荐方法，用于解决上述现有技术存在的问题。

技术实现思路

[0004]本专利技术实施例提供一种银行产品信息推荐方法，用以预测并向用户推荐可能感兴趣的银行产品，提高银行产品信息推荐的有效性，改善用户体验，该方法包括：
[0005]获取用户属性信息；
[0006]将用户属性信息输入第一银行产品信息推荐模型，得到为用户推荐的第一银行产品信息；所述第一银行产品信息推荐模型根据第一历史用户的属性信息以及第一历史用户购买过的银行产品信息，对第一机器学习模型训练得到；
[0007]将用户属性信息输入第二银行产品信息推荐模型，得到为用户推荐的第二银行产品信息；所述第二银行产品信息推荐模型根据第二历史用户的属性信息以及第二历史用户购买过的银行产品信息，对第二机器学习模型训练得到；
[0008]根据第一银行产品信息及第二银行产品信息，建立为用户推荐的银行产品信息集合，确定银行产品信息集合中各个银行产品信息对应的兴趣指数；
[0009]根据兴趣指数对银行产品信息集合中各个银行产品信息进行排序，向用户推荐排序后的银行产品信息集合。
[0010]本专利技术实施例还提供一种银行产品信息推荐装置，用以预测并向用户推荐可能感兴趣的银行产品，提高银行产品信息推荐的有效性，改善用户体验，该装置包括：
[0011]获取模块，获取用户属性信息；
[0012]处理模块，将用户属性信息输入第一银行产品信息推荐模型，得到为用户推荐的第一银行产品信息；所述第一银行产品信息推荐模型根据第一历史用户的属性信息以及第一历史用户购买过的银行产品信息，对第一机器学习模型训练得到；将用户属性信息输入第二银行产品信息推荐模型，得到为用户推荐的第二银行产品信息；所述第二银行产品信息推荐模型根据第二历史用户的属性信息以及第二历史用户购买过的银行产品信息，对第二机器学习模型训练得到；根据第一银行产品信息及第二银行产品信息，建立为用户推荐的银行产品信息集合，确定银行产品信息集合中各个银行产品信息对应的兴趣指数；根据兴趣指数对银行产品信息集合中各个银行产品信息进行排序，向用户推荐排序后的银行产品信息集合。
[0013]本专利技术实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并
可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述银行产品信息推荐方法。
[0014]本专利技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述银行产品信息推荐方法。
[0015]本专利技术实施例还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现上述银行产品信息推荐方法。
[0016]本专利技术实施例中，获取用户属性信息；将用户属性信息输入第一银行产品信息推荐模型，得到为用户推荐的第一银行产品信息；将用户属性信息输入第二银行产品信息推荐模型，得到为用户推荐的第二银行产品信息；根据第一银行产品信息及第二银行产品信息，建立为用户推荐的银行产品信息集合，以及银行产品信息集合中各个银行产品信息对应的兴趣指数；根据兴趣指数对银行产品信息集合中各个银行产品信息进行排序，向用户推荐排序后的银行产品信息集合，与现有技术相比，通过第一银行产品信息推荐模型以及第二银行产品信息推荐模型预测用户可能感兴趣的银行产品，提高了预测准确性，同时根据第一银行产品信息以及第二银行产品信息建立为用户推荐的银行产品信息集合，以及银行产品信息集合中各个银行产品信息对应的兴趣指数，根据兴趣指数对银行产品信息集合中各个银行产品信息进行排序，向用户推荐排序后的银行产品信息集合，从而实现了针对每个用户制定银行产品信息推荐方案，提升了用户体验。
附图说明
[0017]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
[0018]图1为本专利技术提供的银行产品信息推荐方法的流程示意图；
[0019]图2为本专利技术提供的向用户推荐排序后的银行产品信息集合的示意图；
[0020]图3为本专利技术提供的银行产品信息推荐方法的流程示意图；
[0021]图4为本专利技术提供的银行产品信息推荐方法的流程示意图；
[0022]图5为本专利技术提供的银行产品信息推荐装置的结构示意图。
具体实施方式
[0023]为使本专利技术实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本专利技术实施例做进一步详细说明。在此，本专利技术的示意性实施例及其说明用于解释本专利技术，但并不作为对本专利技术的限定。
[0024]图1为本专利技术实施例提供的一种银行产品信息推荐方法所对应的流程示意图，如图1所示，该方法包括：
[0025]步骤101，获取用户属性信息。
[0026]实施例中，获取用户属性信息，可以包括：
[0027]获取用户属性；
[0028]根据预设的映射关系，确定用户属性对应的属性值；
[0029]将用户属性及对应的属性值确定为用户属性信息。
[0030]需要说明的是，映射关系为用户属性与用户属性对应的属性值之间的映射关系。举例来说，用户属性可以包括年龄、性别、金额、投资时长、风险类型等。
[0031]例如，用户属性为年龄时，预设的映射关系为：年龄小于25岁对应的属性值为0.3，年龄大于45岁对应的属性值为0.5，年龄在25岁到45岁之间对应的属性值为0.4。
[0032]步骤102，将用户属性信息输入第一银行产品信息推荐模型，得到为用户推荐的第一银行产品信息。
[0033]需要说明的是，第一银行产品信息推荐模型根据第一历史用户的属性信息以及第一历史用户购买过的银行产品信息，对第一机器学习模型训练得到。
[0034]在一种可能的实施方式中，第一机器学习模型基于决策树算法得到。
[0035]需要说明的是，决策树算法是一种逼近离散函数值的方法。它首先对数据进行处理，利用归纳算法生成可读的规则和决策树，然后使用决策对新数据进行分析。本质上决策树算法是通过一系列规则对数据进行分类的过程。
[0036]第一机器学习模型还可以基于朴素贝叶斯算法、随机森林算法等得到，本专利技术实施例对此不做具体限定。
[0037]举例来说，第一银行产品信息为：外汇、期权、贵金属，对应的预测值分别本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种银行产品信息推荐方法，其特征在于，包括：获取用户属性信息；将用户属性信息输入第一银行产品信息推荐模型，得到为用户推荐的第一银行产品信息；所述第一银行产品信息推荐模型根据第一历史用户的属性信息以及第一历史用户购买过的银行产品信息，对第一机器学习模型训练得到；将用户属性信息输入第二银行产品信息推荐模型，得到为用户推荐的第二银行产品信息；所述第二银行产品信息推荐模型根据第二历史用户的属性信息以及第二历史用户购买过的银行产品信息，对第二机器学习模型训练得到；根据第一银行产品信息及第二银行产品信息，建立为用户推荐的银行产品信息集合，确定银行产品信息集合中各个银行产品信息对应的兴趣指数；根据兴趣指数对银行产品信息集合中各个银行产品信息进行排序，向用户推荐排序后的银行产品信息集合。2.如权利要求1所述的银行产品信息推荐方法，其特征在于，在将用户属性信息输入第一银行产品信息推荐模型之前，还包括：将第一历史用户的属性信息、第一历史用户购买过的银行产品信息作为样本数据，建立第一训练集和第一测试集；利用第一训练集对第一机器学习模型进行训练，得到第一银行产品信息推荐模型；利用第一测试集对第一银行产品信息推荐模型进行测试。3.如权利要求2所述的银行产品信息推荐方法，其特征在于，将第一历史用户的属性信息、第一历史用户购买过的银行产品信息作为样本数据，建立第一训练集和第一测试集，包括：采用信息增益函数对第一历史用户的属性信息进行特征提取；将第一历史用户的属性信息的特征提取值、第一历史用户购买过的银行产品信息作为样本数据，建立第一训练集。4.如权利要求1所述的银行产品信息推荐方法，其特征在于，在将用户属性信息输入第二银行产品信息推荐模型之前，还包括：将第二历史用户的属性信息、第二历史用户购买过的银行产品信息作为样本数据，建立第二训练集和第二测试集；利用第二训练集对第二机器学习模型进行训练，得到第二银行产品信息推荐模型；利用第二测试集对第二银行产品信息推荐模型进行测试。5.如权利要求4所述的银行产品信息推荐方法，其特征在于，将第二历史用户的属性信息、第二历史用户购买过的银行产品信息作为样本数据，建立第二训练集和第二测试集，包括：采用信息增益函数对第二历史用户的属性信息进行特征提取；将第二历史用户的属性信息的特征提取值、第二历史用户购买过的银行产品信息作为样本数据，建立第二训练集。6.如权利要求1所述的银行产品信息推荐方法，其特征在于，获取用户属性信息，包括：获取用户属性；根据预设的映射关...

【专利技术属性】
技术研发人员：何怀莹，滕建德，曹仰止，
申请(专利权)人：中国银行股份有限公司，
类型：发明
国别省市：