[发明专利]基于用户画像的普惠金融快贷产品推荐方法和装置

权利要求书

1.一种基于用户画像的普惠金融快贷产品推荐方法，其特征在于，包括：

获取用户个人数据，所述用户个人数据包括：个人属性信息、征信信息、经营信息、不动产信息、贷款记录、账户流水、消费信息、合作方上送信息以及访问日志；

对所述用户个人信息进行特征提取；

将提取到的用户特征作为预测样本输入预训练的基于K-means++算法的用户价值模型得到用户画像；

根据所述用户画像推荐普惠金融快贷产品。

2.根据权利要求1所述的基于用户画像的普惠金融快贷产品推荐方法，其特征在于，还包括：

获取训练样本并定义类别；

对每条训练样本打标签，所述标签包括基础信息标签以及动态信息标签；

随机选取一个训练样本作为初始聚类中心，计算每个训练样本与所述初始聚类中心之间的最短距离；

根据所述最短距离计算每个训练样本被选为下一个聚类中心的概率；

根据所述概率，按照轮盘法选择出下一个聚类中心，而后计算每个训练样本与当前聚类中心之间的最短距离，迭代选择聚类中心，最终选择出K个聚类中心；

选取距离当前用户较近的聚类中心所代表的类作为该用户的实际分类，将对应标签赋予用户，表征用户的金融消费倾向。

3.根据权利要求1所述的基于用户画像的普惠金融快贷产品推荐方法，其特征在于，还包括：

利用网络爬虫抓取用户个人数据。

4.根据权利要求3所述的基于用户画像的普惠金融快贷产品推荐方法，其特征在于，还包括：

对所述用户个人数据进行清洗和整合。

5.一种基于用户画像的普惠金融快贷产品推荐装置，其特征在于，包括：

数据获取模块，获取用户个人数据，所述用户个人数据包括：个人属性信息、征信信息、经营信息、不动产信息、贷款记录、账户流水、消费信息、合作方上送信息以及访问日志；

特征提取模块，对所述用户个人信息进行特征提取；

用户画像预测模块，将提取到的用户特征作为预测样本输入预训练的基于K-means++算法的用户价值模型得到用户画像；

产品推荐模块，根据所述用户画像推荐普惠金融快贷产品。

6.根据权利要求5所述的基于用户画像的普惠金融快贷产品推荐装置，其特征在于，还包括：

训练样本获取模块，获取训练样本并定义类别；

数据标签模块，对每条训练样本打标签，所述标签包括基础信息标签以及动态信息标签；

初始聚类模块，随机选取一个训练样本作为初始聚类中心，计算每个训练样本与所述初始聚类中心之间的最短距离；

概率计算模块，根据所述最短距离计算每个训练样本被选为下一个聚类中心的概率；

迭代选取模块，根据所述概率，按照轮盘法选择出下一个聚类中心，而后计算每个训练样本与当前聚类中心之间的最短距离，迭代选择聚类中心，最终选择出K个聚类中心；

分类模块，选取距离当前用户较近的聚类中心所代表的类作为该用户的实际分类，将对应标签赋予用户，表征用户的金融消费倾向。

7.根据权利要求5所述的基于用户画像的普惠金融快贷产品推荐装置，其特征在于，还包括：

数据爬取模块，利用网络爬虫抓取用户个人数据。

8.根据权利要求7所述的基于用户画像的普惠金融快贷产品推荐装置，其特征在于，还包括：

数据清洗整合模块，对所述用户个人数据进行清洗和整合。

9.一种电子设备，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，其特征在于，所述处理器执行所述程序时实现权利要求1至4任一项所述的基于用户画像的普惠金融快贷产品推荐方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至4任一项所述的基于用户画像的普惠金融快贷产品推荐方法的步骤。