一种基于协同过滤的在线理财产品推荐方法技术

本发明专利技术公开一种基于协同过滤的在线理财产品推荐方法，包括如下步骤：获取未使用在线理财产品信息；将未使用在线理财产品信息输入预置产品价值评价矩阵得到未使用在线理财产品信息评级数据；获取已使用在线理财产品信息评级数据，并结合未使用在线理财产品信息评级数据形成用户‑理财产品的二维评级矩阵；基于用户的协同过滤算法和基于项的协同过滤算法排序已使用在线理财产品信息和未使用在线理财产品信息并推送预设排序阈值内的在线理财产品信息。本发明专利技术通过协同过滤算法和关联规则分析方法在金融产品推荐中的应用，充分利用了用户群体的智慧，基于的前提是兴趣相近的用户对同样的产品感兴趣。

An Online Financial Product Recommendation Method Based on Collaborative Filtering

【技术实现步骤摘要】
一种基于协同过滤的在线理财产品推荐方法
本专利技术涉及互联网领域，具体而言，本专利技术涉及一种基于协同过滤的在线理财产品推荐方法。
技术介绍
产品推荐在实际市场中应用场景非常广泛，比如亚马逊商城、淘宝、京东等电商物品投放或者今日头条等新闻站点相关题材内容资讯展示。企业通过使用产品推荐,可提升用户体验满意度、实现更好的交叉销售、提高营业额度。用户每天都面临着大量事件的选择，在没有有效辅助决策信息之前，从其他用户反馈信息中了解某事物的特性，可以加快我们选择的过程。如，我们在没有买产品之前,选择是否购买该产品以及相关物，可以通过企业产品推荐系统提供的信息来获得较好的参考依据。虽然协同过滤作为一种推荐机制有其广泛的应用，但协同过滤仍有许多的问题需要解决。当前，最典型的问题有稀疏性问题、新用户问题以及推荐系统中的作弊。具体的，协同过滤的精度主要取决于用户数据的多少。如果一个系统有很多用户的历史数据，他就能更好的对用户的喜好做出预测。所以，目前推荐系统做得最好都是那些有着大量用户数据的公司，比如谷歌。但是，即使拥有很多数据，数据还是不够多，因为推荐系统的历史还不够长，还没有积累足够的数据。新用户问题是指如何对新用户做出推荐。系统开始时推荐质量较差，这个问题和数据稀疏问题有一些相似性。当一个新用户进入一个网络时，我们对他的兴趣爱好还一无所知，这时如何做出推荐是一个很重要的问题。一般在这个时候，我们只是向用户推荐那些普遍反映较好的物品，也就是说，推荐完全是基于物品的。此外，新用户问题还有一个变种就是长尾问题，也就是说不是所有的用户都给出了评分，这些用户就处在一个长尾中，因此如何处理那些不太表露自己兴趣的用户，也是推荐方法面临的一个主要问题。最后是推荐系统中的作弊，只要涉及到经济利益，就有人作弊。搜索引擎作弊是一个被研究了很久的问题，因为在搜索引擎中，自己的网站排名越高，就能获得越多的经济利益。在推荐系统中也是如此，比如在淘宝中，如果一个卖家的物品经常被推荐给用户，他就可能获得很多经济利益。因此，很多电子商务的推荐系统都遭受到了作弊的干扰，一些人通过一些技术手段，对自己卖的物品给出非常高的评分，这就是一种作弊行为。
技术实现思路
为了寻找更为有效的在线理财产品的实现方案，本专利技术提供了一种基于协同过滤的在线理财产品推荐方法，该基于协同过滤的在线理财产品推荐方法包括如下步骤：获取未使用在线理财产品信息；将所述未使用在线理财产品信息输入预置产品价值评价矩阵得到未使用在线理财产品信息评级数据，其中，所述预置产品价值评价矩阵基于使用关联矩阵法建立用户对所述在线理财产品的评价模型得到，所述产品价值评价矩阵的X轴为单项评价值，所述产品价值评价矩阵的Y轴为评价指标的权重值，所述评价指标包括涨幅率、盈利率和用户评分；获取已使用在线理财产品信息评级数据，并结合所述未使用在线理财产品信息评级数据形成用户-理财产品的二维评级矩阵；基于用户的协同过滤算法和基于项的协同过滤算法排序已使用在线理财产品信息和未使用在线理财产品信息并推送预设排序阈值内的在线理财产品信息。优选地，所述获取未使用在线理财产品信息包括如下步骤：采用网络爬虫方式获取未使用在线理财产品信息。优选地，所述评价指标包括一级指标和二级指标，所述一级指标为涨幅率、盈利率和用户评分；所述二级指标为所述一级指标以年、六个月、三个月、一个月或一周为时间单元进行统计得到的涨幅率、盈利率和用户评分数据。优选地，所述产品价值评价矩阵的Y轴为评价指标的权重值基于古林算法确定。优选地，所述产品价值评价矩阵的Y轴为评价指标的权重值如下：所述涨幅率的权重值为30％，所述盈利率的权重值为30％，所述用户评分的权重值为40％。与现有技术相比，本专利技术一种基于协同过滤的在线理财产品推荐方法具有如下有益效果：本专利技术一种基于协同过滤的在线理财产品推荐方法通过协同过滤算法和关联规则分析方法在金融产品推荐中的应用，充分利用了用户群体的智慧,基于的前提是兴趣相近的用户对同样的产品感兴趣。或者用户比较偏爱与其已购买产品类似的产品。这样极大地促进了金融产品推荐的主观性，更多地从统计学意义上去发掘产品销售规律,为有需求的用户提供强有力决策支持。本专利技术附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本专利技术的实践了解到。附图说明本专利技术上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：图1为本专利技术实施例一种基于协同过滤的在线理财产品推荐方法的流程示意图。具体实施方式下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本专利技术，而不能解释为对本专利技术的限制。请参阅图1，本专利技术实施例基于协同过滤的在线理财产品推荐方法，其包括步骤S101～S107，具体地：步骤S101：获取未使用在线理财产品信息。在一些实施方式中，获取未使用在线理财产品信息为采用网络爬虫方式获取未使用在线理财产品信息。示例地，首先选取一部分与金融产品有关的统一资源定位符(UniformResourceLocations，简称URL)，例如：http：//www.eastmoney.com/(东方财富网)，接着将这些有价值的URL放入待抓取URL队列；然后向服务器发起请求，通过超文本传输协议向目标站点发起请求，等待服务器的响应。待获得获取响应内容，其类型可能有HTML、JSON、二进制文件(如图片、视频等类型)，分析已抓取URL队列中的URL，分析其中的其他URL，并且将URL放入待抓取URL队列，从而进入下一个循环。值得注意的是，得到的内容可能是HTML，可以用正则表达式、网页解析库进行解析。可能是JSON，可以直接转成JSON对象进行解析，可能是二进制数据，可以保存或者进一步处理。保存形式多样，可以保存成文本，也可以保存至数据库，或者保存成特定格式的文件，对保密性要求高的信息可以采取加密方式转成密文然后保存至高安全性云端。步骤S103：将所述未使用在线理财产品信息输入预置产品价值评价矩阵得到未使用在线理财产品信息评级数据，其中，所述预置产品价值评价矩阵基于使用关联矩阵法建立用户对所述在线理财产品的评价模型得到，所述产品价值评价矩阵的X轴为单项评价值，所述产品价值评价矩阵的Y轴为评价指标的权重值，所述评价指标包括涨幅率、盈利率和用户评分。运用关联规则分析方法和协同过滤算法中得到的金融产品(包括基金、股票、货币、国债和期货等)之间的关联性高和相似特征多的产品构成一个产品集合；在关联规则分析法中，关联规则挖掘的第一阶段必须从收集的原始资料集合中，利用Apriori算法、基于划分的算法和FP-树频集算法找出所有理财产品组相对于所有记录而言支持度高于10％的金融理财产品。详细地，首先，采用剪枝策略产生理财产品之间的频繁项集，具体如下：①每个项都是候选1项集的集合C1的成员。算法扫描所有的事务，获得每个项，生成C1。然后对每个项进行计数。然后根据最小支持度从C1中删除不满足的项，从而获得频繁1项集L1。②对L1的自身连接生成的集合执行剪枝策略产生候选2项集的集合C2，然后，扫描所有事务，对本文档来自技高网...

【技术保护点】
1.一种基于协同过滤的在线理财产品推荐方法，其特征在于，所述基于协同过滤的在线理财产品推荐方法包括如下步骤：获取未使用在线理财产品信息；将所述未使用在线理财产品信息输入预置产品价值评价矩阵得到未使用在线理财产品信息评级数据，其中，所述预置产品价值评价矩阵基于使用关联矩阵法建立用户对所述在线理财产品的评价模型得到，所述产品价值评价矩阵的X轴为单项评价值，所述产品价值评价矩阵的Y轴为评价指标的权重值，所述评价指标包括涨幅率、盈利率和用户评分；获取已使用在线理财产品信息评级数据，并结合所述未使用在线理财产品信息评级数据形成用户‑理财产品的二维评级矩阵；基于用户的协同过滤算法和基于项的协同过滤算法排序已使用在线理财产品信息和未使用在线理财产品信息并推送预设排序阈值内的在线理财产品信息。

【技术特征摘要】
1.一种基于协同过滤的在线理财产品推荐方法，其特征在于，所述基于协同过滤的在线理财产品推荐方法包括如下步骤：获取未使用在线理财产品信息；将所述未使用在线理财产品信息输入预置产品价值评价矩阵得到未使用在线理财产品信息评级数据，其中，所述预置产品价值评价矩阵基于使用关联矩阵法建立用户对所述在线理财产品的评价模型得到，所述产品价值评价矩阵的X轴为单项评价值，所述产品价值评价矩阵的Y轴为评价指标的权重值，所述评价指标包括涨幅率、盈利率和用户评分；获取已使用在线理财产品信息评级数据，并结合所述未使用在线理财产品信息评级数据形成用户-理财产品的二维评级矩阵；基于用户的协同过滤算法和基于项的协同过滤算法排序已使用在线理财产品信息和未使用在线理财产品信息并推送预设排序阈值内的在线理财产品信息。2.如权利要求1所述的基于协同过滤...

【专利技术属性】
技术研发人员：张玉，王小刚，李鑫垚，
申请(专利权)人：上海电机学院，
类型：发明
国别省市：上海,31