金融业务活动推荐方法技术

本申请涉及一种金融业务活动推荐方法

【技术实现步骤摘要】
金融业务活动推荐方法、装置、计算机设备和存储介质


[0001]本申请涉及大数据
，特别是涉及一种金融业务活动推荐方法
、
装置
、
计算机设备
、
存储介质和计算机程序产品
。

技术介绍

[0002]随着互联网技术的发展，大多数手机银行页面都会展示推荐的热门活动
。
[0003]目前，在进行活动推荐时，所有用户的手机银行页面展示的都是相同内容的热门活动；但是，不同用户之间存在差异，导致向用户推荐的活动的相关性较低，进而导致活动推荐的准确率较低
。

技术实现思路

[0004]基于此，有必要针对活动推荐准确率低的技术问题，提供一种金融业务活动推荐方法
、
装置
、
计算机设备
、
计算机可读存储介质和计算机程序产品
。
[0005]第一方面，本申请提供了一种金融业务活动推荐方法
。
所述方法包括：
[0006]获取多个用户的用户信息；
[0007]根据所述多个用户的用户信息，构建用户间的关联网络；
[0008]采用模块挖掘算法模型，对所述关联网络进行用户集合划分，得到多个用户集合；
[0009]根据待推荐用户所属的目标用户集合，确定向所述待推荐用户推荐的金融业务活动；所述目标用户集合从所述多个用户集合中确定得到
。
[0010]在其中一个实施例中，所述根据所述多个用户的用户信息，构建用户间的关联网络，包括：
[0011]根据所述用户信息，确定所述多个用户中每个用户和其他用户之间的关联度；所述其他用户为所述多个用户中的任意部分用户；
[0012]在两个用户之间的关联度达到预设关联度阈值的情况下，确定所述两个用户存在关联关系；
[0013]根据所述每个用户和所述其他用户之间的关联关系，构建用户间的关联网络
。
[0014]在其中一个实施例中，所述根据所述用户信息，确定所述多个用户中每个用户和其他用户之间的关联度，包括：
[0015]获取所述用户信息中各个信息的信息权重；所述信息权重用于反映所述各个信息的重要程度；
[0016]根据所述用户信息中各个信息的信息权重和所述各个信息，确定所述用户信息对应的用户特征；
[0017]根据所述用户特征之间的相似度，确定所述每个用户和其他用户之间的关联度
。
[0018]在其中一个实施例中，所述模块挖掘模型为鲁汶算法模型；
[0019]所述采用模块挖掘模型，对所述关联网络进行用户集合划分，得到多个用户集合，包括：
[0020]获取预设模块度增益值，采用鲁汶算法模型对所述关联网络进行用户集合划分迭代；
[0021]在每一次迭代过程中，当根据鲁汶算法模型得到的模块度增益值大于或等于所述预设模块度增益值时，合并关联网络划分模块；
[0022]在根据鲁汶算法模型得到的所有模块增益值均小于所述预设模块增益值时，停止用户集合划分迭代，得到停止迭代时已确定的多个关联网络划分模块；
[0023]根据所述多个关联网络划分模块，确定所述多个用户集合
。
[0024]在其中一个实施例中，所述根据待推荐用户所属的目标用户集合，确定向所述待推荐用户推荐的金融业务活动，包括：
[0025]获取待推荐用户所属的目标用户集合中，每个用户已参与的历史金融业务活动；
[0026]将所述每个用户已参与的历史金融业务活动，组合成所述目标用户集合对应的推荐金融业务活动集；
[0027]从所述推荐金融业务活动集中，筛选出所述待推荐用户未参与的金融业务活动，作为向所述待推荐用户推荐的金融业务活动
。
[0028]在其中一个实施例中，所述推荐金融业务活动集中的金融业务活动携带有被所述目标用户集中用户参与的已参与次数；
[0029]所述从所述推荐金融业务活动集中，筛选出所述待推荐用户未参与的金融业务活动，作为向所述待推荐用户推荐的金融业务活动，包括：
[0030]从所述推荐金融业务活动集中，筛选出所述已参与次数大小顺序靠前的预设数量金融业务活动；
[0031]从预设数量金融业务活动中，筛选出所述待推荐用户未参与的金融业务活动，作为向所述待推荐用户推荐的金融业务活动
。
[0032]第二方面，本申请还提供了一种金融业务活动推荐装置
。
所述装置包括：
[0033]信息获取模块，用于获取多个用户的用户信息；
[0034]网络构建模块，用于根据所述多个用户的用户信息，构建用户间的关联网络；
[0035]集合划分模块，用于采用模块挖掘算法模型，对所述关联网络进行用户集合划分，得到多个用户集合；
[0036]活动推荐模块，用于根据待推荐用户所属的目标用户集合，确定向所述待推荐用户推荐的金融业务活动；所述目标用户集合从所述多个用户集合中确定得到
。
[0037]第三方面，本申请还提供了一种计算机设备
。
所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
[0038]获取多个用户的用户信息；
[0039]根据所述多个用户的用户信息，构建用户间的关联网络；
[0040]采用模块挖掘算法模型，对所述关联网络进行用户集合划分，得到多个用户集合；
[0041]根据待推荐用户所属的目标用户集合，确定向所述待推荐用户推荐的金融业务活动；所述目标用户集合从所述多个用户集合中确定得到
。
[0042]第四方面，本申请还提供了一种计算机可读存储介质
。
所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
[0043]获取多个用户的用户信息；
[0044]根据所述多个用户的用户信息，构建用户间的关联网络；
[0045]采用模块挖掘算法模型，对所述关联网络进行用户集合划分，得到多个用户集合；
[0046]根据待推荐用户所属的目标用户集合，确定向所述待推荐用户推荐的金融业务活动；所述目标用户集合从所述多个用户集合中确定得到
。
[0047]第五方面，本申请还提供了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，该计算机程序被处理器执行时实现以下步骤：
[0048]获取多个用户的用户信息；
[0049]根据所述多个用户的用户信息，构建用户间的关联网络；
[0050]采用模块挖掘算法模型，对所述关联网络进行用户集合划分，得到多个用户集合；
[0051]根据待推荐用户所属的目标用户集合，确定向所述待推荐用户推荐的金融业务活动；所述目标用户集合从所述多个用户集合中确定得到
。
[0052]上述金融业务活动推荐方法
...

【技术保护点】

【技术特征摘要】
1.
一种金融业务活动推荐方法，其特征在于，所述方法包括：获取多个用户的用户信息；根据所述多个用户的用户信息，构建用户间的关联网络；采用模块挖掘算法模型，对所述关联网络进行用户集合划分，得到多个用户集合；根据待推荐用户所属的目标用户集合，确定向所述待推荐用户推荐的金融业务活动；所述目标用户集合从所述多个用户集合中确定得到
。2.
根据权利要求1所述的方法，其特征在于，所述根据所述多个用户的用户信息，构建用户间的关联网络，包括：根据所述用户信息，确定所述多个用户中每个用户和其他用户之间的关联度；所述其他用户为所述多个用户中的任意部分用户；在两个用户之间的关联度达到预设关联度阈值的情况下，确定所述两个用户存在关联关系；根据所述每个用户和所述其他用户之间的关联关系，构建用户间的关联网络
。3.
根据权利要求2所述的方法，其特征在于，所述根据所述用户信息，确定所述多个用户中每个用户和其他用户之间的关联度，包括：获取所述用户信息中各个信息的信息权重；所述信息权重用于反映所述各个信息的重要程度；根据所述用户信息中各个信息的信息权重和所述各个信息，确定所述用户信息对应的用户特征；根据所述用户特征之间的相似度，确定所述每个用户和其他用户之间的关联度
。4.
根据权利要求1所述的方法，其特征在于，所述模块挖掘模型为鲁汶算法模型；所述采用模块挖掘模型，对所述关联网络进行用户集合划分，得到多个用户集合，包括：获取预设模块度增益值，采用鲁汶算法模型对所述关联网络进行用户集合划分迭代；在每一次迭代过程中，当根据鲁汶算法模型得到的模块度增益值大于或等于所述预设模块度增益值时，合并关联网络划分模块；在根据鲁汶算法模型得到的所有模块增益值均小于所述预设模块增益值时，停止用户集合划分迭代，得到停止迭代时已确定的多个关联网络划分模块；根据所述多个关联网络划分模块，确定所述多个用户集合
。5.
根据权利要求1所述的方法，其特征在于，所述根据待推荐用户所属的...

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