【技术实现步骤摘要】
基于决策树模型的理财产品推荐方法、装置及电子设备
[0001]本申请涉及金融科技领域，具体而言，涉及一种基于决策树模型的理财产品推荐方法、装置及电子设备。
技术介绍
[0002]现有技术中，银行在为用户推荐理财产品时，通常采用咨询用户的消费习惯和用户的投资需求的方式，最后根据咨询结果由银行的工作人员人工筛选理财产品推荐给用户，这种理财产品的推荐方式不仅需要耗费大量的人力物力，而且过于依赖银行工作人员的理财经验和对理财产品的了解程度，在银行工作人员的理财经验不足或者对理财产品的了解程度不深时，往往会给用户推荐与用户的投资习惯不相匹配的理财产品。
[0003]针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
[0004]本申请实施例提供了一种基于决策树模型的理财产品推荐方法、装置及电子设备，以至少解决现有技术中对采用人工方式为用户推荐理财产品导致的推荐效率低的技术问题。
[0005]根据本申请实施例的一个方面，提供了一种基于决策树模型的理财产品推荐方法，包括：获取N个历史用户中每个历史用...
【技术保护点】
【技术特征摘要】
1.一种基于决策树模型的理财产品推荐方法，其特征在于，包括：获取N个历史用户中每个所述历史用户对应的用户信息，其中，所述历史用户为购买过理财产品的用户，所述用户信息至少包括所述历史用户购买的理财产品的产品信息以及所述历史用户的投资习惯信息，N为正整数；根据所述用户信息进行决策树建模，得到初始决策树模型；对所述初始决策树模型进行剪枝处理，得到目标决策树模型，其中，所述剪枝处理用于去除所述初始决策树模型中的部分树节点，以得到所述初始决策树模型对应的至少一个子决策树模型，所述目标决策树模型为在所述初始决策树模型和至少一个所述子决策树模型中损失值最小的决策树模型；获取目标用户的投资习惯信息，并将所述目标用户的投资习惯信息输入至所述目标决策树模型中，得到所述目标决策树模型输出的目标理财产品信息，其中，所述目标理财产品信息用于表征与所述目标用户的投资习惯相匹配的理财产品。2.根据权利要求1所述的方法，其特征在于，根据所述用户信息进行决策树建模，得到初始决策树模型，包括：基于所述用户信息提取每个所述历史用户对应的多个用户特征，其中，多个所述用户特征包括至少一个第一特征和至少一个第二特征，所述第一特征为所述历史用户购买过的理财产品的产品特征，所述第二特征为所述历史用户的投资习惯特征；将N个所述历史用户对应的所有的用户特征归集为一个数据集合；计算所述数据集合对应的经验熵，以及所述数据集合中的每个所述用户特征对应的经验条件熵；根据所述经验条件熵和所述经验熵确定每个所述用户特征对应的信息增益，其中，每个所述用户特征对应的信息增益用于表征该用户特征在所述数据集合中所能表征的信息量；基于每个所述用户特征对应的信息增益进行决策树建模，得到所述初始决策树模型。3.根据权利要求2所述的方法，其特征在于，基于每个所述用户特征对应的信息增益进行决策树建模，得到所述初始决策树模型，包括：步骤一，从所述数据集合中选取第一用户特征，其中，所述第一用户特征对应的信息增益大于其他用户特征对应的信息增益，所述其他用户特征为所述数据集合中除所述第一用户特征之外的用户特征；步骤二，依据所述第一用户特征构建所述初始决策树模型的一个所述树节点，并记录该树节点的构建时间；步骤三，从所述数据集合中删除所述第一用户特征；步骤四，重复执行步骤一至步骤三的过程，直至所述数据集合中的用户特征全部删除；步骤五，获取构建完成的所有所述树节点，并依据每个所述树节点的构建时间将所有所述树节点组成所述初始决策树模型，其中，所述初始决策树模型至少包括第一树层和第二树层，所述第一树层位于所述第二树层的上层，所述第一树层中的节点的构建时间早于所述第二树层中的节点的构建时间。4.根据权利要求2所述的方法，其特征在于，在对所述初始决策树模型进行剪枝处理，得到目标决策树模型之前，所述方法还包括：
获取所述初始决策树模型中每个叶节点对应的至少一个样本点的数量，其中，所述叶节点为所述初始决策树模型中用于表征决策结果的树节点，所述叶节点由至少一个所述样本点构成，每个所述样本点表征一个决策信息；根据每个所述叶节点对应的至少一个所述样本点的数量确定该叶节点对应的经验熵，得到所述初始决策树模型中每个叶节点对应的经验熵。5.根据权利要求4所述的方法，其特征在于，对所述初始决策树模型进行剪枝处理，得到目标决策树模型，包括：步骤1，对所述初始决策树模型进行节点剪除处理，得到所述初始决策树模型对应的第一子决策树模型，其中，所述节点剪除处理...
【专利技术属性】
技术研发人员：刘赛，王彩霞，李积宏，边露，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：
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。