[发明专利]基于行为数据的理财推荐方法及装置、设备

说明书

本发明实施例公开一种基于行为数据的理财推荐方法及装置、设备，其中方法包括如下步骤：获取多维属性信息和历史行为数据，多维属性信息包括理财产品多维属性信息及其对应的用户多维属性信息；对多维属性信息和历史行为数据进行预处理，预处理包括筛选、清晰、缺失值处理和奇异值处理中的一个或多个；将预处理后的多维属性信息输入所构建的强化学习模型网络中进行训练得到推荐知识；根据推荐知识向目标用户推荐理财产品。采用本发明，通过使用强化学习模型捕获用户的历史浏览行为序列信息，可使理财推荐的结果更加精准，用户的点击率与购买率得到较大幅度提高。

技术领域

本发明涉及理财智能推荐技术领域，尤其涉及一种基于行为数据的理财推荐方法及装置、设备。

背景技术

随着普惠金融的更加深入，智能理财推荐市场日趋成熟，理财的用户不仅数量巨大，其行为特点以及对理财产品的偏好也呈现出丰富性与多样性。因此，要让推荐系统对不同特点的用户做出针对性的产品排序推荐策略，并以此带动引导理财产品的购买率的提升。目前的推荐系统大多是或者基于固定的规则、或者基于商品维度的学习、或者基于用户与理财产品的相似性等这些静态指标来设计理财产品的推荐排序策略，但它没有考虑到用户购买理财产品是一个连续的过程。这一连续过程的不同阶段之间不是孤立的，而是有着紧密的联系。所以，目前的推荐策略存在如下不足之处：

1、实践中的最后结果推荐理财产品的购买率远不能令人满意

2、无法利用用户的历史浏览行为的动态信息，对用户进行用户画像的刻画。

3、用户的喜好会随着时间的推移而发生变化，传统的推荐系统只能得到最大化的当前受益，无法跟踪建模用户兴趣、行为的动态变化而获得长期收益。

发明内容

本发明实施例提供一种基于行为数据的理财推荐方法及装置、设备，通过使用强化学习模型捕获用户的历史浏览行为序列信息，可使理财推荐的结果更加精准，用户的点击率与购买率得到较大幅度提高。

本发明实施例第一方面提供了一种基于行为数据的理财推荐方法，可包括：

获取多维属性信息和历史行为数据，多维属性信息包括理财产品多维属性信息及其对应的用户多维属性信息；

对多维属性信息和历史行为数据进行预处理，预处理包括筛选、清晰、缺失值处理和奇异值处理中的一个或多个；

将预处理后的多维属性信息输入所构建的强化学习模型网络中进行训练得到推荐知识；

根据推荐知识向目标用户推荐理财产品。

本发明实施例第二方面提供了一种基于行为数据的理财推荐装置，可包括：

数据获取单元，用于获取多维属性信息和历史行为数据，多维属性信息包括理财产品多维属性信息及其对应的用户多维属性信息；

数据预处理单元，用于对多维属性信息和历史行为数据进行预处理，预处理包括筛选、清晰、缺失值处理和奇异值处理中的一个或多个；

模型训练单元，用于将预处理后的多维属性信息输入所构建的强化学习模型网络中进行训练得到推荐知识；

产品推荐单元，用于根据推荐知识向目标用户推荐理财产品。

本发明实施例第三方面提供了一种计算机设备，该设备包括处理器和存储器，存储器中存储有至少一条指令、至少一段程序、代码集或指令集，至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现上述方面的基于行为数据的理财推荐方法。

本发明实施例第四方面提供了一种计算机存储介质，该计算机存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现上述方面所述的基于行为数据的理财推荐方法。