[发明专利]非典型信息过载的金融产品推送方法及装置

权利要求书

1.一种非典型信息过载的金融产品推送方法，其特征在于，包括：

对用户信息进行特征提取得到用户需求特征；

通过基于机器学习形成的深度学习模型对所述用户需求特征进行预测得到推送金融产品；

根据预设所有金融产品的有向关系图谱对所述推送金融产品进行扩充预测得到扩充金融产品，根据所述推送金融产品和所述扩充金融产品得到扩充产品组合以推送给用户。

2.根据权利要求1所述的非典型信息过载的金融产品推送方法，其特征在于，所述对用户信息进行特征提取得到用户需求特征具体包括：

对用户信息中的基本信息和行为信息进行特征提取得到用户需求特征。

3.根据权利要求1所述的非典型信息过载的金融产品推送方法，其特征在于，进一步包括预先基于机器学习原理得到所述深度学习模型的步骤：

根据历史数据中用户信息的基本信息和行为信息得到历史用户需求特征；

根据历史数据中用户的产品订阅信息、行业及宏观信息和所述历史用户需求特征对预先构建的机器学习模型进行训练得到深度学习模型。

4.根据权利要求3所述的非典型信息过载的金融产品推送方法，其特征在于，所述根据历史数据中用户的产品订阅信息、行业及宏观信息和所述历史用户需求特征对预先构建的机器学习模型进行训练得到深度学习模型具体包括：

根据所述历史数据中用户的产品订阅信息得到金融产品的无向关系图谱；

根据所述无向关系图谱、所述行业及宏观信息以及所述历史用户需求特征对预先构建的机器学习模型进行训练得到深度学习模型。

5.根据权利要求4所述的非典型信息过载的金融产品推送方法，其特征在于，所述根据所述历史数据中用户的产品订阅信息得到金融产品的无向关系图谱具体包括：

根据所有金融产品信息形成金融产品图谱；

根据历史数据中用户的订阅信息确定所述金融产品图谱中每两个金融产品间的关系强度因子；

将所述关系强度因子作为对应的两个金融产品节点的边得到无向关系图谱。

6.根据权利要求1所述的非典型信息过载的金融产品推送方法，其特征在于，进一步包括预先形成所述有向关系图谱的步骤：

根据所有金融产品信息形成金融产品图谱；

根据历史数据中用户的订阅信息确定所述金融产品图谱中每两个金融产品间的有向强度因子；

将所述有向强度因子作为对应的两个金融产品节点的边得到有向关系图谱。

7.根据权利要求5或6所述的非典型信息过载的金融产品推送方法，其特征在于，所述根据所有金融产品信息形成金融产品图谱具体包括：

根据所有金融产品信息确定每个金融产品的产品特征信息；

以每个金融产品为节点且以对应的产品特征信息为节点属性建立所述金融产品图谱。

8.一种非典型信息过载的金融产品推送装置，其特征在于，包括：

特征提取模块，用于对用户信息进行特征提取得到用户需求特征；

产品预测模块，用于通过基于机器学习形成的深度学习模型对所述用户需求特征进行预测得到推送金融产品；

补充预测模块，用于根据预设所有金融产品的有向关系图谱对所述推送金融产品进行扩充预测得到扩充金融产品，根据所述推送金融产品和所述扩充金融产品得到扩充产品组合以推送给用户。

9.一种计算机设备，包括存储器、处理器以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如权利要求1-7任一项所述方法。

10.一种计算机可读介质，其上存储有计算机程序，其特征在于，

该程序被处理器执行时实现如权利要求1-7任一项所述方法。