【技术实现步骤摘要】
本专利技术涉及金融科技领域，尤其涉及一种基于静态及动态数据的推荐生成方法、装置、电子设备及计算机可读存储介质。
技术介绍
1、智能化推荐系统在金融领域得到广泛应用，例如，基金、债券等理财产品推荐、保险服务推荐及金融时事信息推荐等。
2、传统的智能化推荐系统大多采用基于内容的推荐算法，即系统会根据用户过去的行为信息向用户推荐用户可能感兴趣的内容。这种方式，由于对用户过去的行为数据没有做进一步的细分和研究，导致向用户推荐的内容比较单一和固化，无法实时跟进用户兴趣的变化调整推荐内容，用户总是反复接触同一类型的内容，可能会导致用户对推荐内容的厌烦，降低了用户体验感。
技术实现思路
1、本专利技术提供一种基于静态及动态数据的推荐生成方法、装置、电子设备及计算机可读存储介质，其主要目的在于提升金融领域智能推荐的生成准确性。
2、为实现上述目的，本专利技术提供的一种基于基于静态及动态数据的推荐生成方法，包括：
3、获取目标用户的静态基本信息及动态行为数据；
4、将所述静态基本信息转换为静态向量矩阵；
5、对所述动态行为数据进行分类，确定动态行为数据对应的分类标签，并计算每个所述分类标签下的动态行为数据的频率值及趋势变化系数；
6、根据所述分类标签、频率值及趋势变化系数，将对应的动态行为数据转换为动态向量矩阵；
7、利用预设的注意力机制分别对所述静态向量矩阵及所述动态向量矩阵进行加权，融合加权后的静态向量矩阵及加权
8、利用预先训练好的推荐模型，根据所述融合向量矩阵生成向所述目标用户推荐的结果。
9、可选地，所述将所述静态基本信息转换为静态向量矩阵，包括：
10、对所述静态基本信息进行语义划分，得到一个或一个以上的静态信息单元；
11、提取每个所述静态信息单元的关键词，将所述关键词与预设的静态信息标签进行模糊匹配，得到每个所述静态信息单元对应的静态信息标签；
12、获取每个所述静态信息标签对应的取值范围，根据所述取值范围，利用分段转换法将对应的静态信息单元转换为静态数值点；
13、对所有静态信息单元对应的静态数值点做向量转换操作，得到所述静态向量矩阵。
14、可选地，所述对所述动态行为数据进行分类，确定动态行为数据对应的分类标签，包括：
15、依次提取每条所述动态行为数据的数据特征及每条预设的动态行为标签的标签特征；
16、逐次计算每条所述动态行为数据的数据特征与每个所述标签特征之间的相似度；
17、选取所述相似度最大值对应动态行为标签作为对应的动态行为数据的分类标签。
18、可选地，所述计算每个所述分类标签下的动态行为数据的频率值及趋势变化系数，包括：
19、依次以同一分类标签下的动态行为数据为目标对象，获取所述目标对象的时间戳集；
20、从所述时间戳集中，除去最小时间戳，执行预设次数的随机选择两个时间戳，作为计量点时间戳；
21、计算每次两个所述计量点时间戳相对于所述最小时间戳，同一分类标签下动态行为数据对应的频率值之差；
22、当所述频率值之差大于0时，则计数为1，当所述频率值之差小于0时，则计数为-1，当所述频率值之差等于0时，则计数为0；
23、计算所述预设次数内每个所述分类标签对应的计数之和，当所述计数之和大于0，则设置对应分类标签下的动态行为数据的趋势变化系数为1，当所述计数之和等于0，则设置对应分类标签下的动态行为数据的趋势变化系数为0，当所述计数之和小于0，则设置对应分类标签下的动态行为数据的趋势变化系数为-1。
24、可选地，所述根据所述分类标签、频率值及趋势变化系数，将对应的动态行为数据转换为动态向量矩阵，包括：
25、依次将同一分类标签下的动态行为数据对应的分类标签、频率值及趋势变化系数进行向量转换及向量拼接，得到对应动态行为数据对应的一维向量；
26、获取所述静态向量矩阵的维度，根据所述静态向量矩阵的维度将所有动态行为数据对应的一维向量进行组合，得到所述动态向量矩阵。
27、为了解决上述问题，本专利技术还提供一种基于静态及动态数据的推荐生成装置，所述装置包括：
28、原数据获取模块，用于获取目标用户的静态基本信息及动态行为数据；
29、静态向量转换模块，用于将所述静态基本信息转换为静态向量矩阵；
30、动态向量转换模块，用于对所述动态行为数据进行分类，确定动态行为数据对应的分类标签，并计算每个所述分类标签下的动态行为数据的频率值及趋势变化系数，根据所述分类标签、频率值及趋势变化系数，将对应的动态行为数据转换为动态向量矩阵；
31、动静融合模块，用于利用预设的注意力机制分别对所述静态向量矩阵及所述动态向量矩阵进行加权，融合加权后的静态向量矩阵及加权后的动态向量矩阵，得到融合向量矩阵；
32、推荐预测模块，用于利用预先训练好的推荐模型，根据所述融合向量矩阵生成向所述目标用户推荐的结果。
33、可选地，所述原数据获取模块通过下述方法将所述静态基本信息转换为静态向量矩阵：
34、对所述静态基本信息进行语义划分，得到一个或一个以上的静态信息单元；
35、提取每个所述静态信息单元的关键词，将所述关键词与预设的静态信息标签进行模糊匹配，得到每个所述静态信息单元对应的静态信息标签；
36、获取每个所述静态信息标签对应的取值范围，根据所述取值范围，利用分段转换法将对应的静态信息单元转换为静态数值点；
37、对所有静态信息单元对应的静态数值点做向量转换操作，得到所述静态向量矩阵。
38、可选地，所述动态向量转换模块通过下述方法对所述动态行为数据进行分类，确定动态行为数据对应的分类标签：
39、依次提取每条所述动态行为数据的数据特征及每条预设的动态行为标签的标签特征；
40、逐次计算每条所述动态行为数据的数据特征与每个所述标签特征之间的相似度；
41、选取所述相似度最大值对应动态行为标签作为对应的动态行为数据的分类标签。
42、为了解决上述问题，本专利技术还提供一种电子设备，所述电子设备包括：
43、存储器，存储至少一个计算机程序；及
44、处理器，执行所述存储器中存储的程序以实现上述所述的基于静态及动态数据的推荐生成方法。
45、为了解决上述问题，本专利技术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中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的基于静态及动态数据的推荐生成方法。
46、本专利技术申请从用户的静态基本信息及动态行为数据两种维度出发，一方面，通过计算每一类动态行为数据的频率值及趋势变化系数，既体现用户动态本文档来自技高网...
【技术保护点】
1.一种基于静态及动态数据的推荐生成方法，其特征在于，所述方法包括：
2.如权利要求1所述的基于静态及动态数据的推荐生成方法，其特征在于，所述将所述静态基本信息转换为静态向量矩阵，包括：
3.如权利要求1所述的基于静态及动态数据的推荐生成方法，其特征在于，所述对所述动态行为数据进行分类，确定动态行为数据对应的分类标签，包括：
4.如权利要求1所述的基于静态及动态数据的推荐生成方法，其特征在于，所述计算每个所述分类标签下的动态行为数据的频率值及趋势变化系数，包括：
5.如权利要求1所述的基于静态及动态数据的推荐生成方法，其特征在于，所述根据所述分类标签、频率值及趋势变化系数，将对应的动态行为数据转换为动态向量矩阵，包括：
6.一种基于静态及动态数据的推荐生成装置，其特征在于，所述装置包括：
7.如权利要求6所述的基于静态及动态数据的推荐生成装置，其特征在于，所述原数据获取模块通过下述方法将所述静态基本信息转换为静态向量矩阵：
8.如权利要求6所述的基于静态及动态数据的推荐生成装置，其特征在于，所述动
9.一种电子设备，其特征在于，所述电子设备包括：
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5中任意一项所述的基于静态及动态数据的推荐生成方法。
...【技术特征摘要】
1.一种基于静态及动态数据的推荐生成方法，其特征在于，所述方法包括：
2.如权利要求1所述的基于静态及动态数据的推荐生成方法，其特征在于，所述将所述静态基本信息转换为静态向量矩阵，包括：
3.如权利要求1所述的基于静态及动态数据的推荐生成方法，其特征在于，所述对所述动态行为数据进行分类，确定动态行为数据对应的分类标签，包括：
4.如权利要求1所述的基于静态及动态数据的推荐生成方法，其特征在于，所述计算每个所述分类标签下的动态行为数据的频率值及趋势变化系数，包括：
5.如权利要求1所述的基于静态及动态数据的推荐生成方法，其特征在于，所述根据所述分类标签、频率值及趋势变化系数，将对应的动态行为数据转换为动态...
【专利技术属性】
技术研发人员：刘剑，
申请(专利权)人：中国平安财产保险股份有限公司，
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。