基于用户行为的推荐方法及装置制造方法及图纸

本发明专利技术提供了一种基于用户行为的推荐方法及装置，可用于人工智能技术领域，该方法包括：获得用户行为数据集，所述用户行为数据集包括多个用户的行为数据；基于用户行为数据集训练用户消费模型，所述用户消费模型能够在输入用户的行为数据后，获得用户的购买能力数据；基于理财产品的属性信息，训练相似性理财产品模型，所述相似性理财产品模型能够在输入理财产品的属性信息后，获得理财产品的相似理财产品；基于所述用户消费模型、相似性理财产品模型，训练理财产品推荐模型；在获得目标用户的行为数据后，输入至理财产品推荐模型，获得向目标用户推荐的理财产品。本发明专利技术可以实现针对用户行为的理财产品的智能推荐。针对用户行为的理财产品的智能推荐。针对用户行为的理财产品的智能推荐。

【技术实现步骤摘要】
基于用户行为的推荐方法及装置


[0001]本专利技术涉及人工智能
，尤其涉及一种基于用户行为的推荐方法及装置。

技术介绍

[0002]在银行系统中，会有许多人会选择在其中购买基金等理财产品。如何能够按照客户的消费习惯和使用习惯向客户推送合理的基金购买，推送常用的使用功能显得尤为重要。

技术实现思路

[0003]本专利技术实施例提出一种基于用户行为的推荐方法，用以实现针对用户行为的理财产品的智能推荐，该方法包括：
[0004]获得用户行为数据集，所述用户行为数据集包括多个用户的行为数据；
[0005]基于用户行为数据集训练用户消费模型，所述用户消费模型能够在输入用户的行为数据后，获得用户的购买能力数据；
[0006]基于理财产品的属性信息，训练相似性理财产品模型，所述相似性理财产品模型能够在输入理财产品的属性信息后，获得理财产品的相似理财产品；
[0007]基于所述用户消费模型、相似性理财产品模型，训练理财产品推荐模型；
[0008]在获得目标用户的行为数据后，输入至理财产品推荐模型，获得向目标用户推荐的理财产品。
[0009]本专利技术实施例提出一种基于用户行为的推荐装置，用以实现高准确度的基于用户行为的推荐，该装置包括：
[0010]用户行为数据集获得模块，用于获得用户行为数据集，所述用户行为数据集包括多个用户的行为数据；
[0011]用户消费模型训练模块，用于基于用户行为数据集训练用户消费模型，所述用户消费模型能够在输入用户的行为数据后，获得用户的购买能力数据；
[0012]相似性理财产品模型训练模块，用于基于理财产品的属性信息，训练相似性理财产品模型，所述相似性理财产品模型能够在输入理财产品的属性信息后，获得理财产品的相似理财产品；
[0013]理财产品推荐模型训练模块，用于基于所述用户消费模型、相似性理财产品模型，训练理财产品推荐模型；
[0014]理财产品推荐模块，用于在获得目标用户的行为数据后，输入至理财产品推荐模型，获得向目标用户推荐的理财产品。
[0015]本专利技术实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于用户行为的推荐方法。
[0016]本专利技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有
计算机程序，所述计算机程序被处理器执行时实现上述基于用户行为的推荐方法。
[0017]本专利技术实施例还提供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，所述计算机程序被处理器执行时实现上述基于用户行为的推荐方法。
[0018]在本专利技术实施例中，获得用户行为数据集，所述用户行为数据集包括多个用户的行为数据；基于用户行为数据集训练用户消费模型，所述用户消费模型能够在输入用户的行为数据后，获得用户的购买能力数据；基于理财产品的属性信息，训练相似性理财产品模型，所述相似性理财产品模型能够在输入理财产品的属性信息后，获得理财产品的相似理财产品；基于所述用户消费模型、相似性理财产品模型，训练理财产品推荐模型；在获得目标用户的行为数据后，输入至理财产品推荐模型，获得向目标用户推荐的理财产品。在上述过程中，进行了多个模型的训练，包括先训练用户消费模型，再训练相似性理财产品模型，进而训练出准确的理财产品推荐模型，完成对目标用户的智能推荐。
附图说明
[0019]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
[0020]图1为本专利技术实施例中基于用户行为的推荐方法的流程图；
[0021]图2为本专利技术实施例中构建用户行为数据集的流程图；
[0022]图3为本专利技术实施例中基于用户行为的推荐装置的示意图一；
[0023]图4为本专利技术实施例中基于用户行为的推荐装置的示意图二；
[0024]图5为本专利技术实施例中计算机设备的示意图。
具体实施方式
[0025]为使本专利技术实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本专利技术实施例做进一步详细说明。在此，本专利技术的示意性实施例及其说明用于解释本专利技术，但并不作为对本专利技术的限定。
[0026]在本说明书的描述中，所使用的“包含”、“包括”、“具有”、“含有”等，均为开放性的用语，即意指包含但不限于。参考术语“一个实施例”、“一个具体实施例”、“一些实施例”、“例如”等的描述意指结合该实施例或示例描述的具体特征、结构或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。各实施例中涉及的步骤顺序用于示意性说明本申请的实施，其中的步骤顺序不作限定，可根据需要作适当调整。
[0027]图1为本专利技术实施例中基于用户行为的推荐方法的流程图，如图1所示，该方法包括：
[0028]步骤101，获得用户行为数据集，所述用户行为数据集包括多个用户的行为数据；
[0029]步骤102，基于用户行为数据集训练用户消费模型，所述用户消费模型能够在输入用户的行为数据后，获得用户的购买能力数据；
[0030]步骤103，基于理财产品的属性信息，训练相似性理财产品模型，所述相似性理财产品模型能够在输入理财产品的属性信息后，获得理财产品的相似理财产品；
[0031]步骤104，基于所述用户消费模型、相似性理财产品模型，训练理财产品推荐模型；
[0032]步骤105，在获得目标用户的行为数据后，输入至理财产品推荐模型，获得向目标用户推荐的理财产品。
[0033]在本专利技术实施例中，进行了多个模型的训练，包括先训练用户消费模型，再训练相似性理财产品模型，进而训练出准确的理财产品推荐模型，完成对目标用户的智能推荐。
[0034]在步骤101中，获得用户行为数据集，所述用户行为数据集包括多个用户的行为数据；
[0035]在一实施例中，行为数据包括用户的收入和消费、用户浏览理财产品的信息、用户对不同理财产品的申购信息。
[0036]图2为本专利技术实施例中构建用户行为数据集的流程图，在一实施例中，所述方法还包括：
[0037]步骤201，采集用户在银行的日志信息，提炼出关键字；
[0038]步骤202，基于所述关键字，构建用户行为数据集。
[0039]在步骤102中，基于用户行为数据集训练用户消费模型，所述用户消费模型能够在输入用户的行为数据后，获得用户的购买能力数据；
[0040]训练时，先要将用户行为数据集中的行为数据标签化，制作成用户画像。用户的购买能力数据可以是用户能够本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于用户行为的推荐方法，其特征在于，包括：获得用户行为数据集，所述用户行为数据集包括多个用户的行为数据；基于用户行为数据集训练用户消费模型，所述用户消费模型能够在输入用户的行为数据后，获得用户的购买能力数据；基于理财产品的属性信息，训练相似性理财产品模型，所述相似性理财产品模型能够在输入理财产品的属性信息后，获得理财产品的相似理财产品；基于所述用户消费模型、相似性理财产品模型，训练理财产品推荐模型；在获得目标用户的行为数据后，输入至理财产品推荐模型，获得向目标用户推荐的理财产品。2.如权利要求1所述的方法，其特征在于，行为数据包括用户的收入和消费、用户浏览理财产品的信息、用户对不同理财产品的申购信息。3.如权利要求1所述的方法，其特征在于，还包括：采集用户在银行的日志信息，提炼出关键字；基于所述关键字，构建用户行为数据集。4.如权利要求1所述的方法，其特征在于，基于理财产品的属性信息，训练相似性理财产品模型，包括：基于理财产品的属性信息，采用关联度算法，训练相似性理财产品模型。5.一种基于用户行为的推荐装置，其特征在于，包括：用户行为数据集获得模块，用于获得用户行为数据集，所述用户行为数据集包括多个用户的行为数据；用户消费模型训练模块，用于基于用户行为数据集训练用户消费模型，所述用户消费模型能够在输入用户的行为数据后，获得用户的购买能力数据；相似性理财产品模型训练模块，用于基于理...

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