[发明专利]一种金融产品智能推荐方法及系统

权利要求书

1.一种金融产品的智能推荐方法，其特征在于，包括：

采集用户的行为数据及征信数据；

基于所述行为数据及征信数据，为所述用户分别生成行为特征标签和征信特征标签；

分别根据所述行为特征标签及征信特征标签将用户划分成不同的用户行为群组及不同的用户征信群组；

根据所述不同用户行为群组的行为特征标签计算不同用户行为群组对应各个金融产品的偏好度；

根据所述不同用户征信群组的征信特征标签计算不同用户征信群组对应各个金融产品的风控规则匹配度；

结合所述用户行为群组偏好度和所述用户征信群组的风控规则匹配度对不同的用户进行金融产品推荐；

基于所述用户的现有行为数据分别更新所述用户的行为特征标签和征信特征标签，同时重新分配所述用户所属用户群组，并计算更新后用户群组的偏好度和风控规则匹配度，自动优化推荐模型。

2.如权利要求1所述的智能推荐方法，其特征在于，所述行为数据包括用户的定位信息和/或应用安装偏好信息。

3.如权利要求1所述的智能推荐方法，其特征在于，所述征信数据包括个人征信报告、公积金数据及社保卡数据。

4.如权利要求1所述的智能推荐方法，其特征在于，在生成所述行为特征标签或征信特征标签时，对所述行为数据或征信数据进行分词处理以提取出特征词。

5.如权利要求1所述的智能推荐方法，其特征在于，根据不同用户行为群组的行为特征标签计算不同用户行为群组对应各个金融产品的偏好度的方法具体包括：

确定同一用户行为群组的不同行为特征标签的权重；

将不同的行为特征标签权重进行从大到小排序；

将行为特征标签的最大权重作为该用户行为群组对金融产品的偏好度。

6.如权利要求1所述的智能推荐方法，其特征在于，所述根据所述不同用户征信群组的征信特征标签计算不同用户群组对应各个金融产品的风控规则匹配度的方法具体包括：

基于所述征信特征标签，给不同用户征信群组赋予不同的信用度值；

将该信用度值进行排序；

根据排序确定不同用户征信群组的风险级别。

7.如权利要求1所述的智能推荐方法，其特征在于，所述用户的现有行为数据包括用户的投资行为数据及借还款行为数据。

8.一种金融产品的智能推荐系统，其特征在于，包括：

采集模块，用于采集用户的行为数据及征信数据；

生成模块，用于基于所述行为数据及征信数据，为所述用户分别生成行为特征标签和征信特征标签；

划分模块，用于分别根据所述行为特征标签及征信特征标签将用户划分成不同的用户行为群组及不同的用户征信群组；

偏好度计算模块，用于根据所述不同用户行为群组的行为特征标签计算不同用户行为群组对应各个金融产品的偏好度；

风控匹配度计算模块，用于根据所述不同用户征信群组的征信特征标签计算不同用户征信群组对应各个金融产品的风控规则匹配度；

推荐模块，用于结合所述用户行为群组偏好度和所述用户征信群组的风控规则匹配度对不同的用户进行金融产品推荐；

更新模块，用于基于所述用户的现有行为数据分别更新所述用户的行为特征标签和征信特征标签，同时重新分配所述用户所属用户群组，并计算更新后用户群组的偏好度和风控规则匹配度，自动优化推荐模型。

9.如权利要求8所示的智能推荐系统，其特征在于，所述所述行为数据包括用户的定位信息和/或应用安装偏好信息。

10.如权利要求8所示的智能推荐系统，其特征在于，所述用户的现有行为数据包括用户的投资行为数据及借还款行为数据。