【技术实现步骤摘要】
本专利技术涉及金融科技领域，具体而言，涉及一种理财产品的推荐方法、装置、存储介质及电子设备。
技术介绍
1、随着互联网银行规模的不断扩大，理财产品的数量和种类快速增长，用户需要花费大量的时间才能找到自己想买的理财产品，这种浏览大量无关信息和产品的过程，会导致用户不断流失。为了解决这些问题，相关技术中往往通过推荐系统为客户购买理财产品提供个性化的决策支持和信息服务。现有推荐系统的推荐算法主要基于协同过滤或基于内容进行推荐，例如，基于用户对理财产品的偏好找到相似用户或相似的理财产品，在用户行为较少时，由于缺少用户信息存在冷启动的问题，往往只根据热门理财产品进行推荐，导致推荐多样性不足、推荐精度太低。
2、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
1、本专利技术实施例提供了一种理财产品的推荐方法、装置、存储介质及电子设备，以至少解决现有技术中由于缺少用户信息导致理财产品推荐准确性差的技术问题。
2、根据本专利技术实施例的一个方面，提供了一种理财产品的推荐方法，包括：获取目标对象的第一数据和多个理财产品的产品信息，其中，第一数据包括以下至少之一：行为数据、浏览时长数据；将第一数据和产品信息输入目标推荐模型，输出目标对象对多个理财产品的偏好数据，其中，目标推荐模型是基于目标样本对象对多个样本理财产品的评价分值和目标样本对象的浏览时长数据计算出的第一偏好数据训练得到的，偏好数据表征目标对象对每个理财产品的偏好程度；根据偏好数据，从多个理财产品中确定目标
3、进一步地，理财产品的推荐方法还包括：根据偏好数据，对多个理财产品进行排序，得到每个理财产品的排序序号；确定排序序号中满足预设条件的排序序号所对应的理财产品为目标理财产品。
4、进一步地，通过以下步骤生成目标推荐模型：获取目标样本对象的第一行为数据和第一浏览时长数据；根据第一行为数据和第一浏览时长数据，确定目标样本对象所属的第一对象集合，其中，第一对象集合由多个样本对象组成，多个样本对象为与目标样本对象相似度最高的样本对象；获取多个样本对象的第二行为数据，并根据第二行为数据，确定向目标样本对象推荐的第一理财产品集合，其中，第一理财产品集合包括多个样本理财产品的产品信息；获取目标样本对象浏览多个样本理财产品的产品信息时产生的第三行为数据和第三浏览时长数据；根据第一行为数据、第一浏览时长数据、第三行为数据以及第三浏览时长数据，对初始推荐模型进行训练，得到目标推荐模型。
5、进一步地，理财产品的推荐方法还包括：分别对第一行为数据和第一浏览时长数据进行特征提取处理，得到第一特征向量和第二特征向量；根据第一特征向量和第二特征向量，计算目标样本对象与多个对象集合中的样本对象的相似度，得到多个样本对象；确定多个样本对象所属的对象集合为第一对象集合。
6、进一步地，理财产品的推荐方法还包括：根据第三行为数据和第三浏览时长数据，计算得到目标样本对象对每个样本理财产品的第一偏好数据；根据第一行为数据、第一浏览时长数据、第三行为数据以及第三浏览时长数据，生成目标样本对象的用户画像，并将用户画像和多个样本理财产品的产品信息输入初始推荐模型，输出目标样本对象对每个样本理财产品的第二偏好数据；根据第一偏好数据和第二偏好数据，训练初始推荐模型，得到目标推荐模型。
7、进一步地，第三行为数据包括多个行为特征的数据，理财产品的推荐方法还包括：根据每个行为特征对应的数值，计算第三行为数据对应的总数值，得到目标样本对象对每个样本理财产品的第一评价分值；将第三浏览时长数据对应的数值除以预设时长阈值，得到目标样本对象对每个样本理财产品的第二评价分值；将第一评价分值乘以第二评价分值，得到目标样本对象对每个样本理财产品的第一偏好数据。
8、进一步地，理财产品的推荐方法还包括：计算第一偏好数据和第二偏好数据的差值，得到目标误差；根据目标误差，构建损失函数，并以最小化目标误差为目标，训练初始推荐模型，实现最小化损失函数，得到目标推荐模型。
9、根据本专利技术实施例的另一方面，还提供了一种理财产品的推荐装置，包括：获取模块，用于获取目标对象的第一数据和多个理财产品的产品信息，其中，第一数据包括以下至少之一：行为数据、浏览时长数据；处理模块，用于将第一数据和产品信息输入目标推荐模型，输出目标对象对多个理财产品的偏好数据，其中，目标推荐模型是基于目标样本对象对多个样本理财产品的评价分值和目标样本对象的浏览时长数据计算出的第一偏好数据训练得到的，偏好数据表征目标对象对每个理财产品的偏好程度；确定模块，用于根据偏好数据，从多个理财产品中确定目标理财产品，并向目标对象推荐目标理财产品的产品信息。
10、根据本专利技术实施例的另一方面，还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，其中，计算机程序被设置为运行时执行上述的理财产品的推荐方法。
11、根据本专利技术实施例的另一方面，还提供了一种电子设备，该电子设备包括一个或多个处理器；存储器，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器实现用于运行程序，其中，程序被设置为运行时执行上述的理财产品的推荐方法。
12、在本专利技术实施例中，采用依据用户行为和浏览时长计算得到的偏好数据训练推荐模型的方式，首先获取目标对象的第一数据和多个理财产品的产品信息，然后将第一数据和产品信息输入目标推荐模型，输出目标对象对多个理财产品的偏好数据，然后根据偏好数据，从多个理财产品中确定目标理财产品，并向目标对象推荐目标理财产品的产品信息。其中，第一数据包括以下至少之一：行为数据、浏览时长数据，目标推荐模型是基于目标样本对象对多个样本理财产品的评价分值和目标样本对象的浏览时长数据计算出的第一偏好数据训练得到的，偏好数据表征目标对象对每个理财产品的偏好程度。
13、在上述过程中，通过样本用户对多个理财产品的行为数据和浏览时长数据计算得到样本用户对多个理财产品的真实偏好分值(即第一偏好数据)，并根据第一偏好数据对推荐模型进行训练，使推荐模型输出的预测偏好分值不断接近真实偏好分值，最终得到目标推荐模型，通过利用用户浏览理财产品的时长和操作的区别对数据进行无监督的标注，避免了新用户缺少行为数据而导致模型冷启动的问题，当新用户出现时，通过目标推荐模型可以确定出用户感兴趣的目标理财产品，进行精准推荐，避免了现有技术中由于缺少用户信息而只推荐热门理财产品导致推荐准确性差的问题，从而能够提高推荐准确性，提高用户满意度，进而提升客户粘性。
14、由此可见，通过本专利技术的技术方案，达到了更好地为用户推荐理财产品，提高用户满意度，提升客户粘性的目的，从而实现了提高推荐理财产品的准确性的技术效果，进而解决了现有技术中由于缺少用户信息导致理财产品推荐准确性差的技术问题。
本文档来自技高网...【技术保护点】
1.一种理财产品的推荐方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，根据所述偏好数据，从所述多个理财产品中确定目标理财产品，包括：
3.根据权利要求1所述的方法，其特征在于，通过以下步骤生成所述目标推荐模型：
4.根据权利要求3所述的方法，其特征在于，根据所述第一行为数据和所述第一浏览时长数据，确定所述目标样本对象所属的第一对象集合，包括：
5.根据权利要求3所述的方法，其特征在于，根据所述第一行为数据、所述第一浏览时长数据、所述第三行为数据以及所述第三浏览时长数据，对初始推荐模型进行训练，得到所述目标推荐模型，包括：
6.根据权利要求5所述的方法，其特征在于，所述第三行为数据包括多个行为特征的数据，其中，根据所述第三行为数据和所述第三浏览时长数据，计算得到所述目标样本对象对每个样本理财产品的第一偏好数据，包括：
7.根据权利要求5所述的方法，其特征在于，根据所述第一偏好数据和所述第二偏好数据，训练所述初始推荐模型，得到所述目标推荐模型，包括：
8.一种理财产品的推荐装置，其
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1至7任一项中所述的理财产品的推荐方法。
10.一种电子设备，其特征在于，所述电子设备包括一个或多个处理器；存储器，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现用于运行程序，其中，所述程序被设置为运行时执行所述权利要求1至7任一项中所述的理财产品的推荐方法。
...【技术特征摘要】
1.一种理财产品的推荐方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，根据所述偏好数据，从所述多个理财产品中确定目标理财产品，包括：
3.根据权利要求1所述的方法，其特征在于，通过以下步骤生成所述目标推荐模型：
4.根据权利要求3所述的方法，其特征在于，根据所述第一行为数据和所述第一浏览时长数据，确定所述目标样本对象所属的第一对象集合，包括：
5.根据权利要求3所述的方法，其特征在于，根据所述第一行为数据、所述第一浏览时长数据、所述第三行为数据以及所述第三浏览时长数据，对初始推荐模型进行训练，得到所述目标推荐模型，包括：
6.根据权利要求5所述的方法，其特征在于，所述第三行为数据包括多个行为特征的数据，其中，根据所述第三行为数据和所述第三浏览时长数据，计...
【专利技术属性】
技术研发人员：张恒，
申请(专利权)人：吉林亿联银行股份有限公司，
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。