本申请提供一种基于分离式表征学习的产品推荐方法、装置、设备。应用于金融科技领域，该方法通过获取客户的历史数据，并根据历史数据，确定节点内在属性表征向量和具备时序属性的节点外在属性表征向量，将节点内在属性表征向量和节点外在属性表征向量进行拼接处理，得到节点表征向量，并对节点表征向量进行重复信息的极小化处理，得到客户与多类产品的目标表征向量，根据目标表征向量确定客户的产品特性，并根据产品特性，向客户推荐产品特征对应的产品。提高产品推荐的有效性，提升产品推荐效率。
【技术实现步骤摘要】
本申请属于金融科技，尤其涉及一种基于分离式表征学习的产品推荐方法、装置、设备。
技术介绍
1、随着社会信息化程度的不断提高，以及虚拟网络的快速发展，互联网中充斥了越来越多的各种类别信息，数据生产要素对于银行的经营转型发展具有重要意义，越来越多的银行也将注意力聚焦于如何有效利用互联网中的海量信息，发掘新的发展道路。如何在海量的数据中快速找到有用信息成为一个难题，如何快速抓住用户的兴趣偏好并为其推荐优质的产品成为了各家银行争相发力的地方。
2、针对银行客户的推荐系统也应运而生，利用银行客户历史行为数据和银行产品信息来深度挖掘用户的兴趣偏好，生成该用户的推荐列表或者预测该用户对某个产品的喜好程度，从而使银行营销能够及时为有需求的用户提供合适的产品与服务，尽量满足个性化客户需求。
3、然而，现有技术中利用客户历史行为数据度挖掘用户的兴趣偏好主要是针对静态图模型进行分析，但静态图模型的方法并不能表示用户对不同产品在时序上的兴趣变化，导致对用户的产品推荐方法存在有效性差、效率低的缺陷。
技术实现思路
1、本申请提供一种基于分离式表征学习的产品推荐方法、装置、设备，用以解决现有技术的产品推荐方法有效性差、效率低的缺陷。
2、第一方面，本申请提供一种基于分离式表征学习的产品推荐方法，该方法包括：
3、获取客户的历史数据，并根据所述历史数据，确定节点内在属性表征向量和节点外在属性表征向量，其中，所述节点外在属性表征向量为具备时序属性的表征向量；
4、将所述节点内在属性表征向量和所述节点外在属性表征向量进行拼接处理，得到节点表征向量，并对所述节点表征向量进行重复信息的极小化处理，得到客户与多类产品的目标表征向量；
5、根据所述目标表征向量确定所述客户的产品特征，并根据所述产品特征，向所述客户推荐与所述产品特征对应的产品。
6、可选的，所述历史数据包括：内在属性信息和外在属性信息，所述根据所述历史数据，确定节点内在属性表征向量和节点外在属性表征向量，包括：
7、采用节点内在属性表征生成器对所述内在属性信息进行分析处理，得到所述节点内在属性表征向量；
8、采用节点外在属性表征生成器对所述外在属性信息进行分析处理，得到所述节点外在属性表征向量。
9、可选的，所述采用节点内在属性表征生成器对所述内在属性信息进行分析处理，得到所述节点内在属性表征向量，包括：
10、采用节点内在属性表征生成器从所述内在属性信息中确定至少两个时序片段以及每段时序片段的片段长度，所述时序片段为所述内在属性信息中的多个时序片段中的任意至少两个；
11、根据所述至少两个时序片段和每个时序片段的片段长度，确定每个时序片段的片段参数；
12、将所述片段参数作为第一数据集，并将所述第一数据集输入至神经网络模型中，得到所述节点内在属性表征向量。
13、可选的，所述外在属性信息包括：n个动态图，所述采用节点外在属性表征生成器对所述外在属性信息进行分析处理，得到所述节点外在属性表征向量，包括：
14、采用所述节点外在属性表征生成器对所述n个动态图进行拆分处理，得到m个静态快照，其中，不同的静态快照对应的拍摄时刻不同，m＞n，m和n均为正整数；
15、将所述m个静态快照作为第二数据集，并将所述第二数据集输入至神经网络模型中，得到所述节点外在属性表征向量。
16、可选的，所述将所述m个静态快照作为第二数据集，并将所述第二数据集输入至神经网络模型中，得到所述节点外在属性表征向量，包括：
17、采用如下公式确定节点v的节点外在属性表征向量：
18、
19、其中，g1,g2...gm分别表示节点v在不同时刻的静态快照，分别表示节点v在不同时刻的节点外在属性表征。
20、可选的，所述对所述节点表征向量进行重复信息的极小化处理，得到客户与多类金融产品的目标表征向量，包括：
21、根据所述节点内在属性表征向量和所述节点外在属性表征向量，确定重复特征向量；
22、对所述节点表征向量内的所述重复特征向量进行最小化处理，得到所述目标表征向量，所述目标表征向量用于指示客户与多类产品之间的产品特征。
23、可选的，所述根据所述产品特征，向所述客户推荐与所述产品特征对应的产品，包括：
24、根据所述产品特征以及多类产品的产品表征向量，确定与所述产品特征对应的目标产品种类以及每个目标产品种类的相似度，所述目标产品种类为产品特征向量与所述产品特征的相似度满足预设条件的产品种类；
25、根据多个目标产品种类的相似度，确定每个目标产品种类对应的概率参数；
26、根据多个概率参数，向所述客户推荐产品。
27、第二方面，本申请提供一种基于分离式表征学习的产品推荐装置，所述装置包括：
28、获取模块，用于获取客户的历史数据；
29、确定模块，用于根据所述历史数据，确定节点内在属性表征向量和节点外在属性表征向量，其中，所述节点外在属性表征向量为具备时序属性的表征向量；
30、处理模块，用于将所述节点内在属性表征向量和所述节点外在属性表征向量进行拼接处理，得到节点表征向量，并对所述节点表征向量进行重复信息的极小化处理，得到客户与多类产品的目标表征向量；
31、所述处理模块，还用于根据所述目标表征向量确定所述客户的产品特征，并根据所述产品特征，向所述客户推荐与所述产品特征对应的产品。
32、可选的，处理模块，用于采用节点内在属性表征生成器对所述内在属性信息进行分析处理，得到所述节点内在属性表征向量；
33、所述处理模块，还用于采用节点外在属性表征生成器对所述外在属性信息进行分析处理，得到所述节点外在属性表征向量。
34、可选的，所述确定模块，用于采用节点内在属性表征生成器从所述内在属性信息中确定至少两个时序片段以及每段时序片段的片段长度，所述时序片段为所述内在属性信息中的多个时序片段中的任意至少两个；
35、所述确定模块，还用于根据所述至少两个时序片段和每个时序片段的片段长度，确定每个时序片段的片段参数；
36、所述处理模块，用于将所述片段参数作为第一数据集，并将所述第一数据集输入至神经网络模型中，得到所述节点内在属性表征向量。
37、可选的，所述处理模块，用于采用所述节点外在属性表征生成器对所述n个动态图进行拆分处理，得到m个静态快照，其中，不同的静态快照对应的拍摄时刻不同，m＞n，m和n均为正整数；
38、所述处理模块，还用于将所述m个静态快照作为第二数据集，并将所述第二数据集输入至神经网络模型中，得到所述节点外在属性表征向量。
39、可选的，所述确定模块，用于采用如下公式确定节点v的节点外在属性表征向量：
40、
41、其本文档来自技高网
...
【技术保护点】
1.一种基于分离式表征学习的产品推荐方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述历史数据包括：内在属性信息和外在属性信息，所述根据所述历史数据，确定节点内在属性表征向量和节点外在属性表征向量，包括：
3.根据权利要求2所述的方法，其特征在于，所述采用节点内在属性表征生成器对所述内在属性信息进行分析处理，得到所述节点内在属性表征向量，包括：
4.根据权利要求2所述的方法，其特征在于，所述外在属性信息包括：N个动态图，所述采用节点外在属性表征生成器对所述外在属性信息进行分析处理，得到所述节点外在属性表征向量，包括：
5.根据权利要求4所述的方法，其特征在于，所述将所述M个静态快照作为第二数据集，并将所述第二数据集输入至神经网络模型中，得到所述节点外在属性表征向量，包括：
6.根据权利要求1所述的方法，其特征在于，所述对所述节点表征向量进行重复信息的极小化处理，得到客户与多类金融产品的目标表征向量，包括：
7.根据权利要求1所述的方法，其特征在于，所述根据所述产品特征，向所述客户推荐与所述产品特征对应的产品，包括：
8.一种基于分离式表征学习的产品推荐装置，其特征在于，所述装置包括：
9.一种基于分离式表征学习的产品推荐设备，其特征在于，包括：
10.一种计算机存储介质，其特征在于，所述计算机存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1-7中任一项所述的基于分离式表征学习的产品推荐方法。
11.一种计算机程序产品，其特征在于，包括计算机程序，该计算机程序被处理器执行时实现权利要求1-7中任一项所述的基于分离式表征学习的产品推荐方法。
...
【技术特征摘要】
1.一种基于分离式表征学习的产品推荐方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述历史数据包括：内在属性信息和外在属性信息，所述根据所述历史数据，确定节点内在属性表征向量和节点外在属性表征向量，包括：
3.根据权利要求2所述的方法，其特征在于，所述采用节点内在属性表征生成器对所述内在属性信息进行分析处理，得到所述节点内在属性表征向量，包括：
4.根据权利要求2所述的方法，其特征在于，所述外在属性信息包括：n个动态图，所述采用节点外在属性表征生成器对所述外在属性信息进行分析处理，得到所述节点外在属性表征向量，包括：
5.根据权利要求4所述的方法，其特征在于，所述将所述m个静态快照作为第二数据集，并将所述第二数据集输入至神经网络模型中，得到所述节点外在属性表征向量，包括：
...
【专利技术属性】
技术研发人员：吴家明，杨树超，黄秀雯，
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。