一种金融服务动态化推荐方法和装置制造方法及图纸

本说明书提供了一种金融服务动态化推荐方法和装置。所述方法应用于金融服务平台；所述金融服务平台提供若干金融服务产品。所述方法包括：响应于所述用户执行的访问操作行为，获取所述用户针对所述若干金融服务产品的历史行为序列数据；所述历史行为序列数据由所述用户在所述访问操作行为之前的预设时长内，执行的至少一种历史操作行为按照操作时刻进行排序构成；将获取到的所述历史行为序列数据输入基于神经网络的预测模型，分别预测所述用户的下一次的操作行为选择各个金融服务产品的概率，基于所述概率对所述若干金融服务产品进行排序；所述预测模型由所述历史行为序列数据作为样本数据进行有监督训练得到；输出排序后的所述若干金融服务产品。的所述若干金融服务产品。的所述若干金融服务产品。

【技术实现步骤摘要】
一种金融服务动态化推荐方法和装置


[0001]本说明书的实施方式涉及大数据领域，更具体地，本说明书的实施方式涉及一种金融服务动态化推荐方法和装置。

技术介绍

[0002]本部分旨在为权利要求书中陈述的本说明书的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
[0003]不同的用户可能存在不同的金融服务需求，因此，金融服务平台通常同时提供多种金融服务。而当用户面对可选的多种金融服务的时候，可能存在信息过载问题，无法有效选择出适合的金融服务。因此，金融服务平台通常需要针对不同的用户，进行个性化的金融服务推荐，以供用户进行选择。

技术实现思路

[0004]为克服相关技术中存在的问题，本说明书提供了以下方法及装置。
[0005]在本说明书实施方式的第一方面中，提供了一种金融服务动态化推荐方法，所述方法应用于金融服务平台；所述金融服务平台面向用户提供若干金融服务产品；所述方法包括：
[0006]响应于所述用户执行的针对金融服务页面的访问操作行为，获取所述用户针对所述若干金融服务产品的历史行为序列数据；其中，所述历史行为序列数据由所述用户在所述访问操作行为对应的访问时刻之前的预设的时长内，针对所述若干金融服务产品执行的至少一种历史操作行为按照操作时刻进行排序构成；
[0007]将获取到的所述历史行为序列数据输入基于神经网络的预测模型，分别预测所述用户的下一次的操作行为选择各个所述金融服务产品的概率，并基于所述概率对所述若干金融服务产品进行排序；其中，所述预测模型为将所述用户的历史行为序列数据作为样本数据进行有监督训练得到的机器学习模型；
[0008]通过所述金融服务页面向所述用户输出排序后的所述若干金融服务产品。
[0009]在本说明书实施方式的第二方面中，提供了一种金融服务动态化推荐装置，所述装置应用于金融服务平台；所述金融服务平台面向用户提供若干金融服务产品；所述装置包括：
[0010]获取单元，用于响应于所述用户执行的针对金融服务页面的访问操作行为，获取所述用户针对所述若干金融服务产品的历史行为序列数据；其中，所述历史行为序列数据由所述用户在所述访问操作行为对应的访问时刻之前的预设的时长内，针对所述若干金融服务产品执行的至少一种历史操作行为按照操作时刻进行排序构成；
[0011]预测单元，用于将获取到的所述历史行为序列数据输入基于神经网络的预测模型，分别预测所述用户的下一次的操作行为选择各个所述金融服务产品的概率，并基于所述概率对所述若干金融服务产品进行排序；其中，所述预测模型为将所述用户的历史行为
序列数据作为样本数据进行有监督训练得到的机器学习模型；
[0012]输出单元，用于通过所述金融服务页面向所述用户输出排序后的所述若干金融服务产品。
[0013]在本说明书实施方式的第三方面中，提供了一种存储介质；所述存储介质上存储有计算机程序，该计算机程序执行时实现如上所述方法的步骤。
[0014]在本说明书实施方式的第四方面中，提供了一种计算机设备，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，其中，所述处理器执行所述程序时实现如上方法。
[0015]本说明书以上的实施方式，至少具有如下的有益效果：
[0016]在以上技术方案中，通过基于神经网络的预测模型，对用户针对各项金融服务产品的历史行为序列数据进行学习，并根据学习到的结果，结合用户近期的历史行为序列数据，预测用户选择各项金融服务产品的概率，进行排序后向用户进行输出。以上预测模型输出的排序后的各项金融服务产品中，排序越靠前的，用户选择该金融服务产品的可能性越高，从而实现了针对该用户的动态化金融服务推荐。
附图说明
[0017]为了更清楚地说明本说明书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说明书中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
[0018]图1示意性地示出了根据本说明书实施方式的一种金融服务动态化推荐方法的架构示意图；
[0019]图2示意性地示出了根据本说明书实施方式的一种金融服务动态化推荐方法的流程图；
[0020]图3示意性地示出了根据本说明书实施方式的一种预测模型的样本数据的示意图；
[0021]图4示意性地示出了根据本说明书实施方式的一种预测模型的结构示意图；
[0022]图5示意性地示出了根据本说明书实施方式的一种基于神经网络的预测网络；
[0023]图6示意性地示出了根据本说明书实施方式的一种金融服务动态化推荐装置的框图；
[0024]图7示意性地示出了根据本说明书实施方式的一种金融服务动态化推荐方法所在计算机设备的一种硬件结构图。
[0025]在附图中，相同或对应的标号表示相同或对应的部分。
具体实施方式
[0026]下面将参考若干示例性实施方式来描述本说明书的原理和精神。应当理解，给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本说明书，而并非以任何方式限制本说明书的范围。相反，提供这些实施方式是为了使本说明书更加透彻和完整，并且能够将本说明书的范围完整地传达给本领域的技术人员。
[0027]本领域技术人员知道，本说明书的实施方式可以实现为一种系统、装置、设备、方法或计算机程序产品。因此，本说明书可以具体实现为以下形式，即：完全的硬件、完全的软件(包括固件、驻留软件、微代码等)，或者硬件和软件结合的形式。
[0028]不同的用户可能存在不同的金融服务需求，因此，金融服务平台通常可以同时为用户提供多种不同的金融服务产品，以满足不同用户的不同金融服务需求。
[0029]在相关技术中，金融服务平台在将平台中的多种金融服务产品向用户进行展示时，通常采用静态的金融服务产品列表，供用户进行选择。即，不同的用户，或在不同的时间，进入金融服务平台看到的金融服务产品列表是相同的。
[0030]而用户在面对可选的多种金融服务产品的时候，可能会存在信息过载问题，即平台提供的大量可选金融服务产品的信息，明显超出用户个人的信息需求、信息处理和信息利用能力，以至于用户无法准确挑选与运用有效信息，难以选择出适合自己的金融服务产品的问题。因此，这样的金融服务平台的用户体验较差，容易产生用户流失的现象。
[0031]为克服相关技术中存在的问题，本说明书提供了以下实施例。
[0032]下面结合附图对本说明书的方案进行详细说明。
[0033]请参见图1，图1是一示例性实施例提供的一种金融服务动态化推荐系统的架构示意图。如图1所示，该系统可以包括网络10、服务器11、若干电子设备，如手机12、手机13和手机14等。
[0034]服务器11可以为包含一独立主机的物理服务器，或者该服务器11可以为主机集群承载的虚拟服务器、云服务器等。手机12...

【技术保护点】

【技术特征摘要】
1.一种金融服务动态化推荐方法，所述方法应用于金融服务平台；所述金融服务平台面向用户提供若干金融服务产品；所述方法包括：响应于所述用户执行的针对金融服务页面的访问操作行为，获取所述用户针对所述若干金融服务产品的历史行为序列数据；其中，所述历史行为序列数据由所述用户在所述访问操作行为对应的访问时刻之前的预设的时长内，针对所述若干金融服务产品执行的至少一种历史操作行为按照操作时刻进行排序构成；将获取到的所述历史行为序列数据输入基于神经网络的预测模型，分别预测所述用户的下一次的操作行为选择各个所述金融服务产品的概率，并基于所述概率对所述若干金融服务产品进行排序；其中，所述预测模型为将所述用户的历史行为序列数据作为样本数据进行有监督训练得到的机器学习模型；通过所述金融服务页面向所述用户输出排序后的所述若干金融服务产品。2.根据权利要求1所述的方法，所述作为所述样本数据的历史行为序列数据中包含的最后一个操作行为为针对所述金融服务产品的选择操作行为；所述将所述用户的历史行为序列数据作为样本数据进行有监督训练得到的机器学习模型，包括：将所述作为所述样本数据的历史行为序列数据中包含的最后一个操作行为作为样本标签，将所述历史行为序列数据中的剩余操作行为构成的行为序列作为特征样本进行有监督训练得到的机器模型。3.根据权利要求1所述的方法，所述预测所述用户的下一次的操作行为选择各个所述金融服务产品的概率，包括：将获取到的所述历史行为序列数据映射成特征向量，基于所述特征向量学习所述历史行为序列数据中的各个历史操作行为，和所述用...

【专利技术属性】
技术研发人员：向金芳，
申请(专利权)人：阿里云计算有限公司，
类型：发明
国别省市：