本申请实施例提供了一种理财产品推荐模型的训练方法、装置、设备及存储介质，应用于金融领域或其他领域，方法包括：该理财产品推荐模型是利用用户特征和产品特征之间的特征差异函数构建得到，目标函数能够反映理财产品的产品特征和用户特征之间的差异，进而反映理财产品是否符合用户，目标函数至少包括平滑因子和中心偏移因子，利用差分进化算法对目标函数包括的平滑因子和中心偏移因子进行优化，也就是说，通过差分进化算法对目标函数中包括的参数进行优化，以提高训练得到的理财产品推荐模型的准确性，实现针对单个用户的精准定制化推荐，满足单个用户的个性化需求。满足单个用户的个性化需求。满足单个用户的个性化需求。
【技术实现步骤摘要】
理财产品推荐模型的训练方法、装置、设备及存储介质
[0001]本专利技术涉及计算机领域，特别涉及一种理财产品推荐模型的训练方法、装置、设备及存储介质。
技术介绍
[0002]随着当前社会的金融和计算机发展，银行涉及越来越多的金融交易。基于银行终端设备应用程序(Application，APP)以及银行系统的快速迭代，理财产品相关的金融交易也在飞速发展。在银行APP界面以及银行网页上都有理财产品的推荐，极大的方便了用户进行理财产品的购买。
[0003]但是理财产品形式多样，如何实现对于单个用户的定制化推荐，提升对于单个用户的推荐质量，是一个亟待解决的问题。
技术实现思路
[0004]有鉴于此，本申请的目的在于提供一种理财产品推荐模型的训练方法、装置、设备及存储介质，该理财产品推荐模型能够实现对单个用户的定制化推荐，满足单个用户的个性化需求。
[0005]本申请实施例提供了一种理财产品推荐模型的训练方法，所述方法包括：
[0006]获取训练用户的用户特征和训练理财产品的产品特征，将所述训练用户的用户特征和所述训练理财产品的产品特征进行对比得到多个特征差异函数；
[0007]根据多个所述特征差异函数，构建理财产品推荐模型，得到所述理财产品推荐模型的目标函数，所述目标函数至少包括平滑因子和中心偏移因子；
[0008]在利用训练数据对所述理财产品推荐模型训练的过程中，利用差分进化算法对所述目标函数包括的平滑因子和中心偏移因子进行优化，所述训练数据至少包括所述训练用户的用户特征、所述训练理财产品的产品特征以及所述训练用户的用户特征和所述训练理财产品的产品特征之间的差异值。
[0009]可选地，所述差分进化算法的适应度函数为所述目标函数的倒数；
[0010]所述在利用训练数据对所述理财产品推荐模型训练的过程中，利用差分进化算法和对所述目标函数包括的平滑因子和中心偏移因子进行优化包括：
[0011]获取所述差分进化算法迭代收敛时的适应度函数，根据所述适应度函数确定经过优化后的所述目标函数包括的平滑因子和中心偏移因子。
[0012]可选地，所述获取所述差分进化算法迭代收敛时的适应度函数包括：
[0013]对所述训练数据进行变异操作得到第G代和第G+1代，进行所述第G代和第G+1代的交叉操作，得到第G+1交叉代，利用初始适应度函数分别求取第G代的适应度值和第G+1交叉代的适应度值，选择第G代的适应度值和第G+1交叉代的适应度值中数值高的进行进化操作，重复上述步骤直到达到最大代数Gmax时，所述差分进化算法迭代收敛，确定适应度函数，G为正整数，G≤Gmax。
[0014]可选地，所述理财产品推荐模型包括输入层、模式层、求和层和输出层；
[0015]所述根据多个所述特征差异函数，构建理财产品推荐模型，得到所述理财产品推荐模型的目标函数，所述目标函数至少包括平滑因子和中心偏移因子包括：
[0016]所述输入层的输入为所述训练用户的用户特征和所述训练理财产品的产品特征，所述模式层的输出结果为多个所述特征差异函数，所述特征差异函数至少包括平滑因子和中心偏移因子；
[0017]利用所述求和层对多个所述特征差异函数加权求和，得到所述理财产品推荐模型的目标函数，所述目标函数至少包括所述平滑因子和所述中心偏移因子。
[0018]可选地，所述方法还包括：
[0019]获取目标用户的用户特征和多个目标理财产品的产品特征；
[0020]将所述目标用户的用户特征和多个所述目标理财产品的产品特征输入所述理财产品推荐模型，分别得到所述目标用户的用户特征和多个所述目标理财产品的产品特征之间的多个差异值；
[0021]按照多个所述差异值之间的升序排序，向所述目标用户推荐多个所述目标理财产品。
[0022]可选地，所述用户特征至少包括资金总额、资金流动性和风险特征，所述产品特征至少包括利率、投入时间限制和波动幅度。
[0023]本申请实施例提供了一种理财产品推荐模型的训练装置，所述装置包括：
[0024]获取单元，用于获取训练用户的用户特征和训练理财产品的产品特征，将所述训练用户的用户特征和所述训练理财产品的产品特征进行对比得到多个特征差异函数；
[0025]构建单元，用于根据多个所述特征差异函数，构建理财产品推荐模型，得到所述理财产品推荐模型的目标函数，所述目标函数至少包括平滑因子和中心偏移因子；
[0026]优化单元，用于在利用训练数据对所述理财产品推荐模型训练的过程中，利用差分进化算法对所述目标函数包括的平滑因子和中心偏移因子进行优化，所述训练数据至少包括所述训练用户的用户特征、所述训练理财产品的产品特征以及所述训练用户的用户特征和所述训练理财产品的产品特征之间的差异值。
[0027]可选地，所述装置还包括推荐单元；所述推荐单元，用于：
[0028]获取目标用户的用户特征和多个目标理财产品的产品特征；
[0029]将所述目标用户的用户特征和多个所述目标理财产品的产品特征输入所述理财产品推荐模型，分别得到所述目标用户的用户特征和多个所述目标理财产品的产品特征之间的多个差异值；
[0030]按照多个所述差异值之间的升序排序，向所述目标用户推荐多个所述目标理财产品。
[0031]本申请实施例提供了一种理财产品推荐模型的训练设备，所述设备包括：处理器和存储器；
[0032]所述存储器，用于存储指令；
[0033]所述处理器，用于执行所述存储器中的所述指令，执行如上述实施例任一项所述的方法。
[0034]本申请实施例提供了一种计算机可读存储介质，包括指令，当其在计算机上运行
时，使得计算机执行如上述实施例任意一项所述的方法。
[0035]本申请实施例提供了一种理财产品推荐模型的训练方法，方法包括：获取训练用户的用户特征和训练理财产品的产品特征，将训练用户的用户特征和训练理财产品的产品特征进行对比得到多个特征差异函数，根据多个特征差异函数，构建理财产品推荐模型，得到理财产品推荐模型的目标函数，也就是说，该理财产品推荐模型是利用用户特征和产品特征之间的特征差异函数构建得到，目标函数能够反映理财产品的产品特征和用户特征之间的差异，进而反映理财产品是否符合用户，目标函数至少包括平滑因子和中心偏移因子，利用训练数据对理财产品推荐模型进行训练，训练数据至少包括训练用户的用户特征、训练理财产品的产品特征以及训练用户的用户特征和训练理财产品的产品特征之间的差异值。利用差分进化算法对目标函数包括的平滑因子和中心偏移因子进行优化，也就是说，通过差分进化算法对目标函数中包括的参数进行优化，以提高训练得到的理财产品推荐模型的准确性，实现针对单个用户的精准定制化推荐，满足单个用户的个性化需求。
附图说明
[0036]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种理财产品推荐模型的训练方法，其特征在于，所述方法包括：获取训练用户的用户特征和训练理财产品的产品特征，将所述训练用户的用户特征和所述训练理财产品的产品特征进行对比得到多个特征差异函数；根据多个所述特征差异函数，构建理财产品推荐模型，得到所述理财产品推荐模型的目标函数，所述目标函数至少包括平滑因子和中心偏移因子；在利用训练数据对所述理财产品推荐模型训练的过程中，利用差分进化算法对所述目标函数包括的平滑因子和中心偏移因子进行优化，所述训练数据至少包括所述训练用户的用户特征、所述训练理财产品的产品特征以及所述训练用户的用户特征和所述训练理财产品的产品特征之间的差异值。2.根据权利要求1所述的方法，其特征在于，所述差分进化算法的适应度函数为所述目标函数的倒数；所述在利用训练数据对所述理财产品推荐模型训练的过程中，利用差分进化算法和对所述目标函数包括的平滑因子和中心偏移因子进行优化包括：获取所述差分进化算法迭代收敛时的适应度函数，根据所述适应度函数确定经过优化后的所述目标函数包括的平滑因子和中心偏移因子。3.根据权利要求2所述的方法，其特征在于，所述获取所述差分进化算法迭代收敛时的适应度函数包括：对所述训练数据进行变异操作得到第G代和第G+1代，进行所述第G代和第G+1代的交叉操作，得到第G+1交叉代，利用初始适应度函数分别求取第G代的适应度值和第G+1交叉代的适应度值，选择第G代的适应度值和第G+1交叉代的适应度值中数值高的进行进化操作，重复上述步骤直到达到最大代数Gmax时，所述差分进化算法迭代收敛，确定适应度函数，G为正整数，G≤Gmax。4.根据权利要求1所述的方法，其特征在于，所述理财产品推荐模型包括输入层、模式层、求和层和输出层；所述根据多个所述特征差异函数，构建理财产品推荐模型，得到所述理财产品推荐模型的目标函数，所述目标函数至少包括平滑因子和中心偏移因子包括：所述输入层的输入为所述训练用户的用户特征和所述训练理财产品的产品特征，所述模式层的输出结果为多个所述特征差异函数，所述特征差异函数至少包括平滑因子和中心偏移因子；利用所述求和层对多个所述特征差异函数加权求和，得到所述理财产品推荐模型的所述目标函数，所述目标函数至少包括所述平滑因子和所述中心偏移因子。5.根据...
【专利技术属性】
技术研发人员：赵玲，朱志宇，方莲娣，马换新，
申请(专利权)人：中国银行股份有限公司，
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。