【技术实现步骤摘要】
本专利技术涉及数据分析，特别涉及一种金融产品推荐方法、系统、设备和介质。
技术介绍
1、随着金融科技的快速发展和互联网金融的兴起，银行业竞争日趋激烈。为了提高市场竞争力，吸引更多客户并增加销售收入，需要实施个性化推广渠道策略，聚焦于针对性的精准营销。个性化产品营销可以根据客户的个人需求和兴趣，通过现代化技术手段对客户进行细分，并根据他们的不同消费心理和行为、需求特征，制定有针对性的营销策略，现对目标市场不同消费群体进行强有效、高投入产出比的营销沟通。
2、现有技术中，通过行为预测来进行个性化产品营销，其具体过程包括：收集用户的各类数据，包括但不限于浏览记录、购买记录、搜索记录、点击行为等；利用机器学习和数据挖掘技术，对用户的行为进行深入分析；基于用户的历史行为数据，构建行为预测模型；根据行为预测的结果，为用户提供个性化的产品推荐，制定个性化的营销策略。
3、上述现有技术存在的缺陷是：通过行为预测营销个性化产品的方式只适用于单个客户对象，客户对象发生改变时，需要重新进行行为预测。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种金融产品推荐方法、系统、设备和介质。
2、本专利技术实施例提供一种金融产品推荐方法，包括：
3、获取用户信息、账户行为信息和金融产品；
4、基于用户信息和账户行为信息的相关程度确定表征用户信息和账户行为信息关联程度的主成分属性，将主成分属性的原数据张量降维投影到低维的张量子空间，并将张量子空
5、对用户标签进行向量化处理得到种子受众特征z，对金融产品进行提取得到潜在受众特征qi，计算种子受众特征z和潜在受众特征qi的相似性sim；
6、将相似性sim按照从小到大的顺序进行排序，找出前p个用户标签作为目标受众进行个性化产品推荐。
7、另外的，获取的用户信息、账户行为信息和金融产品进行数据标准化，并在进行数据标准化前对获取信息进行采集、清洗、计算和填补缺失值的预处理操作。
8、另外的，所述获取的用户信息、账户行为信息和金融产品进行数据标准化的计算公式为：
9、
10、其中，x为初始数据，μ为初始数据的平均值，σ为初始数据的标准差，xb为标准化后的结果。
11、另外的，所述填补缺失值，其具体包括：
12、从原始训练集中有放回地随机抽取数据组成多个样本集x，样本集的数量超过1个；
13、使用cart回归树对抽取的样本集x建立对应的回归树模型，其公式为：
14、
15、其中，y为最后预测结果；x为输入的样本；n为回归树模型个数；fi(x)为第i个回归树模型对样本x的预测结果。
16、另外的，所述选定前5个降维后的主成分属性所对应的原数据张量作为用户标签，其具体包括：
17、随机选取m个样本作为训练样本，且处于张量空间中，其中in作为张量第n模的维数；
18、找出一个多线性变换空间使原始张量空间映射到张量子空间其中(pn＜in,n＝1,2,...,n)，则得到张量值的特征表示：
19、
20、其中，m＝1,...,m，且获取了原始张量中大部分特征；
21、将张量值的特征表示作为张量子空间中降维后的主成分属性，对降维后的主成分属性排序，各个主成分属性的顺序表示原始信息的贡献率，选取贡献最大的5个主成分属性作为用户标签。
22、另外的，所述计算种子受众特征z和潜在受众特征qi的相似性sim的公式为：
23、
24、其中，n、j均为正整数，zj为1，2，3，...j的种子受众特征，qi为潜在受众特征。
25、另外的，一种金融产品推荐系统，包括：
26、获取模块，用于获取用户信息、账户行为信息和金融产品；
27、标签模块，用于基于用户信息和账户行为信息的相关程度确定表征用户信息和账户行为信息关联程度的主成分属性，将主成分属性的原数据张量降维投影到低维的张量子空间，并将张量子空间中降维后的主成分属性按照大小排序，选定前5个降维后的主成分属性所对应的原数据张量作为用户标签；
28、计算模块，用于对用户标签进行向量化处理得到种子受众特征z，对金融产品进行提取得到潜在受众特征qi，计算种子受众特征z和潜在受众特征qi的相似性sim；
29、推荐模块，用于将相似性sim按照从小到大的顺序进行排序，找出前p个用户标签作为目标受众进行个性化产品推荐。
30、另外的，一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现上述的金融产品推荐方法的步骤。
31、另外的，一种存储介质，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上述的金融产品推荐方法的步骤。
32、本专利技术实施例提供的上述一种金融产品推荐方法、系统、设备和介质，与现有技术相比，其有益效果如下：
33、通过获取用户信息、账户行为和金融产品，基于用户信息和行为信息的相关程度确定主成分属性；将主成分属性的原数据张量降维投影到低维的张量子空间，并将张量子空间中降维后的主成分属性按照大小排序，选定前5个主成分属性所对应的原数据张量作为用户标签；对用户标签进行向量化处理得到种子受众特征z，对金融产品进行提取得到潜在受众特征qi，计算种子受众特征z和潜在受众特征qi的相似性sim；对相似性sim进行从小到大排序，找出前p个用户作为目标受众进行个性化产品推荐。
34、其相比于现有技术，通过计算种子受众特征z和潜在受众特征qi的相似性sim，选定前p个用户作为目标受众进行个性化产品推荐，当客户对象发生改变时，不需要重新进行行为预测，从而解决现有技术中客户对象发生改变时需要重新进行行为预测的问题，达到向目前客户以及与目前客户相似度较高的客户同步推荐金融产品的目的。
本文档来自技高网...【技术保护点】
1.一种金融产品推荐方法，其特征在于，包括：
2.如权利要求1所述的一种金融产品推荐方法，其特征在于，获取的用户信息、账户行为信息和金融产品进行数据标准化，并在进行数据标准化前对获取信息进行采集、清洗、计算和填补缺失值的预处理操作。
3.如权利要求2所述的一种金融产品推荐方法，其特征在于，所述获取的用户信息、账户行为信息和金融产品进行数据标准化的计算公式为：
4.如权利要求2所述的一种金融产品推荐方法，其特征在于，所述填补缺失值，其具体包括：
5.如权利要求1所述的一种金融产品推荐方法，其特征在于，所述选定前5个降维后的主成分属性所对应的原数据张量作为用户标签，其具体包括：
6.如权利要求1所述的一种金融产品推荐方法，其特征在于，所述计算种子受众特征Z和潜在受众特征Qi的相似性sim的公式为：
7.一种金融产品推荐系统，其特征在于，包括：
8.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1-6中任一项所述的金融产品推荐方法
9.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-6中任一项所述的金融产品推荐方法的步骤。
...【技术特征摘要】
1.一种金融产品推荐方法，其特征在于，包括：
2.如权利要求1所述的一种金融产品推荐方法，其特征在于，获取的用户信息、账户行为信息和金融产品进行数据标准化，并在进行数据标准化前对获取信息进行采集、清洗、计算和填补缺失值的预处理操作。
3.如权利要求2所述的一种金融产品推荐方法，其特征在于，所述获取的用户信息、账户行为信息和金融产品进行数据标准化的计算公式为：
4.如权利要求2所述的一种金融产品推荐方法，其特征在于，所述填补缺失值，其具体包括：
5.如权利要求1所述的一种金融产品推荐方法，其特征在于，所述选定前5个降维后的主...
【专利技术属性】
技术研发人员：李伟，王仕民，魏勤伟，
申请(专利权)人：江西省金控科技产业集团有限公司，
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。