理财产品推荐方法及装置制造方法及图纸

本发明专利技术公开了一种理财产品推荐方法及装置，涉及人工智能技术领域，其中该方法包括：获取目标用户的基本信息；根据预设的初始产品推荐模型和所述目标用户的基本信息，确定所述目标用户的风险承受度和初始推荐理财产品的产品信息；根据所述风险承受度、初始推荐理财产品的产品信息和预获取的市场走势预测信息，确定所述目标用户对应的最终推荐理财产品的产品信息并输出。本发明专利技术能够提高理财产品推荐的成功率，满足客户需求。满足客户需求。满足客户需求。

【技术实现步骤摘要】
理财产品推荐方法及装置


[0001]本专利技术涉及人工智能
，尤其涉及理财产品推荐方法及装置。

技术介绍

[0002]本部分旨在为权利要求书中陈述的本专利技术实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
[0003]投资理财是对资产进行管理和分配，使资产达到保值增值的有效手段。但投资理财存在风险，客户在没有理财基础情况下往往无法合理规划资产。当前已有的理财产品推荐方式只是基于固定规则的静态方案，未考虑客户之间的差异，无法做到与时俱进，实时更新，规则死板，无法适应客户的多样性需求。

技术实现思路

[0004]本专利技术实施例提供一种理财产品推荐方法，用以提高理财产品推荐的成功率，满足客户需求，该方法包括：
[0005]获取目标用户的基本信息；
[0006]根据预设的初始产品推荐模型和所述目标用户的基本信息，确定所述目标用户的风险承受度和初始推荐理财产品的产品信息；
[0007]根据所述风险承受度、初始推荐理财产品的产品信息和预获取的市场走势预测信息，确定所述目标用户对应的最终推荐理财产品的产品信息并输出。
[0008]进一步地，在所述根据所述风险承受度、初始推荐理财产品的产品信息和预获取的市场走势预测信息，确定所述目标用户对应的最终推荐理财产品的产品信息并输出之前，还包括：
[0009]根据所述初始推荐理财产品的产品信息和预设的市场走势预测模型，确定所述初始推荐理财产品的市场走势预测信息；
[0010]所述市场走势模型是根据批量理财产品的历史产品信息和实际市场走势预测信息对长短期记忆神经网络模型进行训练得到的。
[0011]进一步地，在所述根据预设的初始产品推荐模型和所述目标用户的基本信息，确定所述目标用户的风险承受度和初始推荐理财产品的产品信息之前，还包括：
[0012]获取批量历史用户的基本信息、实际风险承受度和实际初始推荐理财产品的产品信息；
[0013]根据批量历史用户的基本信息、实际风险承受度和实际初始推荐理财产品的产品信息对多层前馈神经网络模型进行训练，得到所述预设的初始产品推荐模型。
[0014]进一步地，在所述根据所述初始推荐理财产品的产品信息和预设的市场走势预测模型，确定所述初始推荐理财产品的市场走势预测信息之前，还包括：
[0015]获取批量理财产品的历史产品信息和实际市场走势预测信息；
[0016]根据批量理财产品的历史产品信息和实际市场走势预测信息对长短期记忆神经
网络模型进行训练，得到所述预设的市场走势预测模型。
[0017]本专利技术实施例还提供一种理财产品推荐装置，用以提高理财产品推荐的成功率，满足客户需求，该装置包括：
[0018]获取模块，用于获取目标用户的基本信息；
[0019]确定模块，用于根据预设的初始产品推荐模型和所述目标用户的基本信息，确定所述目标用户的风险承受度和初始推荐理财产品的产品信息；
[0020]推荐模块，用于根据所述风险承受度、初始推荐理财产品的产品信息和预获取的市场走势预测信息，确定所述目标用户对应的最终推荐理财产品的产品信息并输出。
[0021]进一步地，所述的理财产品推荐装置，还包括：
[0022]市场走势确定模块，用于根据所述初始推荐理财产品的产品信息和预设的市场走势预测模型，确定所述初始推荐理财产品的市场走势预测信息；
[0023]所述市场走势模型是根据批量理财产品的历史产品信息和实际市场走势预测信息对长短期记忆神经网络模型进行训练得到的。
[0024]进一步地，所述的理财产品推荐装置，还包括：
[0025]第一获取历史信息模块，用于获取批量历史用户的基本信息、实际风险承受度和实际初始推荐理财产品的产品信息；
[0026]第一训练模块，用于根据批量历史用户的基本信息、实际风险承受度和实际初始推荐理财产品的产品信息对多层前馈神经网络模型进行训练，得到所述预设的初始产品推荐模型。
[0027]进一步地，所述的理财产品推荐装置，还包括：
[0028]第二获取历史信息模块，用于获取批量理财产品的历史产品信息和实际市场走势预测信息；
[0029]第二训练模块，用于根据批量理财产品的历史产品信息和实际市场走势预测信息对长短期记忆神经网络模型进行训练，得到所述预设的市场走势预测模型。
[0030]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理财产品推荐方法。
[0031]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理财产品推荐方法。
[0032]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理财产品推荐方法。
[0033]本专利技术实施例中的理财产品推荐方法及装置，与现有技术中基于固定规则的静态方案相比，通过获取目标用户的基本信息；根据预设的初始产品推荐模型和所述目标用户的基本信息，确定所述目标用户的风险承受度和初始推荐理财产品的产品信息；根据所述风险承受度、初始推荐理财产品的产品信息和预获取的市场走势预测信息，确定所述目标用户对应的最终推荐理财产品的产品信息并输出，能够提高理财产品推荐的成功率，满足客户需求；具体地，可以通过获取用户实时的操作历史，提取用户的操作偏好，可以实时根据用户的习惯调整投资方案。通过大量已有用户的习惯，自动提取市场投资理财动向，方向性更强，准确性更高。
附图说明
[0034]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：
[0035]图1是本申请实施例中的理财产品推荐方法的第一流程示意图；
[0036]图2是本申请实施例中的理财产品推荐方法的第二流程示意图；
[0037]图3是本申请实施例中的理财产品推荐方法的第三流程示意图；
[0038]图4是本申请实施例中的理财产品推荐方法的第四流程示意图；
[0039]图5是本申请一种举例中的每单投资评价模型的逻辑示意图；
[0040]图6是本申请实施例中的理财产品推荐装置的结构示意图。
具体实施方式
[0041]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。
[0042]为了便于对本方案的理解，下面对与本方案相关的
技术实现思路
进行说明。
[0043]深度学习：是机器学习的分支，是一种以人工神经网络为架构，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种理财产品推荐方法，其特征在于，包括：获取目标用户的基本信息；根据预设的初始产品推荐模型和所述目标用户的基本信息，确定所述目标用户的风险承受度和初始推荐理财产品的产品信息；根据所述风险承受度、初始推荐理财产品的产品信息和预获取的市场走势预测信息，确定所述目标用户对应的最终推荐理财产品的产品信息并输出。2.根据权利要求1所述的理财产品推荐方法，其特征在于，在所述根据所述风险承受度、初始推荐理财产品的产品信息和预获取的市场走势预测信息，确定所述目标用户对应的最终推荐理财产品的产品信息并输出之前，还包括：根据所述初始推荐理财产品的产品信息和预设的市场走势预测模型，确定所述初始推荐理财产品的市场走势预测信息；所述市场走势模型是根据批量理财产品的历史产品信息和实际市场走势预测信息对长短期记忆神经网络模型进行训练得到的。3.根据权利要求1所述的理财产品推荐方法，其特征在于，在所述根据预设的初始产品推荐模型和所述目标用户的基本信息，确定所述目标用户的风险承受度和初始推荐理财产品的产品信息之前，还包括：获取批量历史用户的基本信息、实际风险承受度和实际初始推荐理财产品的产品信息；根据批量历史用户的基本信息、实际风险承受度和实际初始推荐理财产品的产品信息对多层前馈神经网络模型进行训练，得到所述预设的初始产品推荐模型。4.根据权利要求2所述的理财产品推荐方法，其特征在于，在所述根据所述初始推荐理财产品的产品信息和预设的市场走势预测模型，确定所述初始推荐理财产品的市场走势预测信息之前，还包括：获取批量理财产品的历史产品信息和实际市场走势预测信息；根据批量理财产品的历史产品信息和实际市场走势预测信息对长短期记忆神经网络模型进行训练，得到所述预设的市场走势预测模型。5.一种理财产品推荐装置，其特征在于，包括：获取模块，用于获取目标用户的基本信息；确定模块，用于根据预设的初始产品推荐模型和所述目标用户的基本信...

【专利技术属性】
技术研发人员：黄丝，黄攀，郭美佳，
申请(专利权)人：中国银行股份有限公司，
类型：发明
国别省市：