[发明专利]一种智能推荐投资产品的方法、装置和电子设备

说明书

本发明公开了一种智能推荐投资产品的方法、装置和电子设备。方法包括：获取各类原始数据并保存至原始数据层中，对各类所述原始数据进行预处理；对预处理数据分析得到各类数据的事实标签并保存至事实标签层中；采用训练好的集成学习模型对事实标签进行训练，得到对应的模型标签并保存至模型标签层中；将模型标签进行融合并保存至推荐层中，根据模型标签建立对应的画像矩阵，并根据画像矩阵计算出每个用户对每个投资产品的评分以及每个投资产品对所有用户的推荐得分。本发明全面运用投资产品分析指标，并结合投资者的投资偏好，构建了用户画像以及投资产品画像，利用用户画像以及投资产品画像精准推送符合用户投资策略的投资产品。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种智能推荐投资产品的方法、装置和电子设备。

背景技术

随着投资行为的大众化发展，如何为众多的个体投资者提供科学有效的投资咨询服务成为了研究热点。

目前，投资咨询服务大多由投资顾问提供。通常采用的模式是：投资顾问根据MACD(异同移动平均线)、RSI(相对强弱指标)、KDJ(随机指标)等分析指标，结合宏观经济环境，做出投资产品的波动预测并根据该预测向投资者提供投资咨询。

但是，这种模式存在以下几方面的不足：

1.投资顾问的水平层次不齐，无法保证所有的投资顾问都能够全面准确的运用分析指标得出准确的波动预测。

2.投资市场包括太多的投资产品，投资顾问不能保证对每一个产品都进行全面准确的分析。因此，投资顾问的推荐会存在片面性。

3.不同的投资者具有不同的投资偏好，比如有激进型，有保守型。而投资顾问在一对多推荐时，往往选择大众化的投资产品，容易忽略投资者个性化的需求。

发明内容

为了解决现有技术中存在的问题，本发明提供了如下技术方案。

本发明一方面提供了一种智能推荐投资产品的方法，包括：

获取各类原始数据并保存至原始数据层中，所述原始数据包括：财经新闻数据、投资产品交易数据、用户行为数据；

对各类所述原始数据进行预处理；

对预处理数据进行分析得到各类数据的事实标签并保存至事实标签层中；其中，所述用户行为数据对应的事实标签包括：使用年限、浏览次数、浏览深度、浏览天数、交易频率、交易金额、交易时间、浏览各项业务模块、投资产品模块的次数、分享次数、续费次数、产品模块曝光率；投资产品交易数据对应的事实标签包括：统计投资产品开盘价、平均线、乖离率、五日均价、三十日均价、容量比、能量潮、多空占比、毛利率、净利率、速动比率、投资产品对应公司的基本面指标；财经新闻数据对应的事实标签包括文章关键词；并将财经新闻数据通过关键词与投资产品交易数据进行关联；

根据用户行为数据对应的事实标签和融合了财经新闻数据的投资产品交易数据对应的事实标签，得到对应的模型标签并保存至模型标签层中；其中，用户行为数据对应的模型标签包括：忠诚度、用户价值、产品模块偏好、投资偏好、行业偏好；投资产品交易数据对应的模型标签包括：抄底指数、多空预警指数、长期持有指数、推荐指数；

将模型标签进行融合并保存至推荐层中，同时，根据模型标签通过交替最小二乘法，模拟用户对投资产品的打分，得到每位用户的推荐列表。

优选地，所述获取各类原始数据并保存至原始数据层中包括：各类数据源中的数据通过对应的消息队列传递至原始数据层中并保存。

优选地，所述财经新闻数据的获取方法包括：财经新闻数据通过爬虫技术爬取至ElasticSearch中，再通过Logstash采集至HDFS分布式存储系统中。