【技术实现步骤摘要】
本专利技术涉及金融分期，尤其是涉及一种金融分期消费推荐方法及系统。
技术介绍
1、金融分期消费，作为一种允许消费者进行逐期支付的金融工具，在全球范围内都获得了广泛应用。这种机制旨在允许消费者购买他们所需但可能暂时无法一次性支付的商品或服务。随着数字技术的发展，特别是互联网金融、移动支付、大数据分析和人工智能技术的快速推进，为消费者提供更加贴心、合理的分期消费方案成为了金融科技行业的一个热门焦点。
2、传统上，金融机构通过简化的计算公式和标准化规则为消费者提供分期方案。这些方案主要基于消费者的信用评分，这些评分往往来自于他们的还款记录、收入状况和其他标准化的财务信息。然而，这种方法考虑的较为片面，无法在多方面对消费者进行信用评分。
3、因此，亟需一种金融分期消费推荐方法及系统，解决现有的信用评分较为片面的问题。
技术实现思路
1、本专利技术提供的一种金融分期消费推荐方法，用于解决现有的金融分期推荐所使用的信用评分较为片面的问题。
2、本专利技术第一方面提供一种金融分期消费推荐方法，方法包括：
3、获取消费者的历史信用评分数据和历史偏好数据，所述历史偏好数据包括生活习惯数据、日常消费行为数据、未来的财务计划数据和个性化需求数据中的至少一种；
4、将所述历史信用评分数据和所述历史偏好数据分别输入初始深度学习模型中，得到目标深度学习模型；
5、获取所述消费者的当前信用评分数据，以及当前偏好数据；
6、将所述
7、可实施的一些方式中，所述获取消费者的历史信用评分数据和历史偏好数据的步骤包括：
8、对所述生活习惯数据、所述日常消费行为数据、所述未来的财务计划数据和所述个性化需求数据分别进行数据清洗和转换，对应得到生活习惯模型数据、日常消费行为模型数据、未来的财务计划模型数据和个性化需求模型数据；
9、所述生活习惯模型数据、所述日常消费行为模型数据、所述未来的财务计划模型数据和所述个性化需求模型数据分别赋予预设的权重，得到所述历史偏好数据。
10、可实施的一些方式中，所述将所述历史信用评分数据和所述历史偏好数据分别输入初始深度学习模型中，得到目标深度学习模型的步骤包括：
11、对所述历史信用评分数据进行数据清洗和转换，得到历史信用评分模型数据；
12、对所述历史信用评分模型数据赋予预设的权重，得到具有权重的所述历史信用评分模型数据；
13、将具有权重的所述历史信用评分模型数据，以及所述历史偏好数据输入所述初始深度学习模型中，得到所述目标深度学习模型。
14、可实施的一些方式中，所述将具有权重的所述历史信用评分模型数据，以及所述历史偏好数据输入所述初始深度学习模型中，得到所述目标深度学习模型的步骤包括：
15、对所述历史信用评分模型数据进行特征提取，得到具有权重的历史信用评分特征数据；
16、对所述历史偏好数据进行特征提取，得到具有权重的历史偏好特征数据；
17、将所述历史信用评分特征数据和所述历史偏好特征数据，分别输入所述初始深度学习模型中，得到所述目标深度学习模型。
18、可实施的一些方式中，所述将具有权重的所述历史信用评分模型数据，以及所述历史偏好数据输入所述初始深度学习模型中，得到所述目标深度学习模型的步骤包括：
19、利用卷积神经网络，对历史信用评分模型数据进行特征提取，得到具有权重的所述历史信用评分特征数据；
20、利用所述卷积神经网络，对所述历史偏好数据进行特征提取，得到具有权重的所述历史偏好特征数据；
21、将所述历史信用评分特征数据和所述历史偏好特征数据分别输入长短时记忆网络中，得到目标深度学习模型。
22、可实施的一些方式中，所述获取所述消费者的当前信用评分数据，以及当前偏好数据的步骤包括：
23、获取形成所述历史信用评分数据对应的信用信息类别，以及所述历史偏好数据对应的偏好信息类别；
24、根据所述信用信息类别，得到当前所述信用信息类别对应的消费者信用信息；
25、根据当前所述信用信息类别对应的消费者信用信息，得到所述当前信用评分数据；
26、根据所述偏好信息类别，得到当前所述偏好信息类别对应的消费者偏好信息；
27、根据当前所述偏好信息类别对应的消费者偏好信息，得到所述当前偏好数据。
28、可实施的一些方式中，所述将所述当前信用评分数据和所述当前偏好数据，分别输入所述目标深度学习模型中，得到针对所述消费者的金融分期消费推荐方案的步骤包括：
29、获取所述金融分期消费推荐方案，并将所述金融分期消费推荐方案与所述目标深度学习模型输出的所有反馈结果相匹配，得到所述反馈结果匹配的所述金融分期消费推荐方案；
30、将所述当前信用评分数据和所述当前偏好数据，分别输入所述目标深度学习模型中，得到第一反馈结果，其中，所述第一反馈结果为所有所述反馈结果中的一个；
31、根据所述第一反馈结果，得到所述第一反馈结果对应的所述金融分期消费推荐方案。
32、本专利技术第二方面提供一种金融分期消费推荐系统，应用于前述的金融分期消费推荐方法，所述系统包括：
33、数据采集模块，用于获取消费者的历史信用评分数据和历史偏好数据，所述历史偏好数据包括生活习惯数据、日常消费行为数据、未来的财务计划数据和个性化需求数据中的至少一种；
34、深度学习推荐模块，用于将所述历史信用评分数据和所述历史偏好数据分别输入初始深度学习模型中，得到目标深度学习模型；
35、数据采集模块，还用于获取所述消费者的当前信用评分数据，以及当前偏好数据；
36、反馈模块，用于将所述当前信用评分数据和所述当前偏好数据，分别输入所述目标深度学习模型中，得到针对所述消费者的金融分期消费推荐方案。
37、本专利技术第三方面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指令，所述计算机指令用于使所述计算机执行前述的金融分期消费推荐方法。
38、本专利技术第四方面提供一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器执行前述的金融分期消费推荐方法。
39、本专利技术有益效果：
40、一种金融分期消费推荐方法，首先获取消费者的历史信用评分数据和历史偏好数据，所述历史偏好数据包括生活习惯数据、日常消费行为数据、未来的财务计划数据和个性化需求数据中的至少一种；然后，将所述历史信用评分数据和所述历史偏好数据分别输入初始深度学习模型中，得到目标深度学习模型；其本文档来自技高网...
【技术保护点】
1.一种金融分期消费推荐方法，其特征在于，方法包括：
2.根据权利要求1所述的金融分期消费推荐方法，其特征在于，所述获取消费者的历史信用评分数据和历史偏好数据的步骤包括：
3.根据权利要求2所述的金融分期消费推荐方法，其特征在于，所述将所述历史信用评分数据和所述历史偏好数据分别输入初始深度学习模型中，得到目标深度学习模型的步骤包括：
4.根据权利要求3所述的金融分期消费推荐方法，其特征在于，所述将具有权重的所述历史信用评分模型数据，以及所述历史偏好数据输入所述初始深度学习模型中，得到所述目标深度学习模型的步骤包括：
5.根据权利要求4所述的金融分期消费推荐方法，其特征在于，所述将具有权重的所述历史信用评分模型数据，以及所述历史偏好数据输入所述初始深度学习模型中，得到所述目标深度学习模型的步骤包括：
6.根据权利要求5所述的金融分期消费推荐方法，其特征在于，所述获取所述消费者的当前信用评分数据，以及当前偏好数据的步骤包括：
7.根据权利要求5所述的金融分期消费推荐方法，其特征在于，所述将所述当前信用评分数据和所
8.一种金融分期消费推荐系统，其特征在于，应用于权利要求1-7中任一项所述的金融分期消费推荐方法，所述系统包括：
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行权利要求1-7任意一项所述的金融分期消费推荐方法。
10.一种电子设备，其特征在于，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器执行权利要求1-7任意一项所述的金融分期消费推荐方法。
...【技术特征摘要】
1.一种金融分期消费推荐方法，其特征在于，方法包括：
2.根据权利要求1所述的金融分期消费推荐方法，其特征在于，所述获取消费者的历史信用评分数据和历史偏好数据的步骤包括：
3.根据权利要求2所述的金融分期消费推荐方法，其特征在于，所述将所述历史信用评分数据和所述历史偏好数据分别输入初始深度学习模型中，得到目标深度学习模型的步骤包括：
4.根据权利要求3所述的金融分期消费推荐方法，其特征在于，所述将具有权重的所述历史信用评分模型数据，以及所述历史偏好数据输入所述初始深度学习模型中，得到所述目标深度学习模型的步骤包括：
5.根据权利要求4所述的金融分期消费推荐方法，其特征在于，所述将具有权重的所述历史信用评分模型数据，以及所述历史偏好数据输入所述初始深度学习模型中，得到所述目标深度学习模型的步骤包括：
6.根据权利要求5所述的金融分期消费推荐方法，其特征在于，所述获取所述消费者...
【专利技术属性】
技术研发人员：丁佐华，周波，杨标，
申请(专利权)人：杭州惠致网络科技有限公司，
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。