[发明专利]理财产品推荐方法、装置及存储介质

说明书

本申请公开了一种理财产品推荐方法、装置及存储介质。涉及金融科技领域，该方法包括：获取目标账户的第一账户特征数据；基于第一账户特征数据，采用随机森林理财预测模型，得到N棵随机树分别输出的理财标签，以及N棵随机树分别输出的理财标签对应的标签分数；根据N棵随机树分别输出的理财标签，以及N棵随机树分别输出的理财标签对应的标签分数，得到目标账户对应的K个理财标签分别对应的理财标签分数；基于K个理财标签分别对应的理财标签分数，确定目标账户的理财产品推荐结果。通过本申请，解决了相关技术中相关技术中通过协同过滤推荐策略和知识图谱方式进行理财产品推荐的方法，存在的需要使用的数据量大且推荐不准确的问题。

技术领域

本申请涉及金融科技领域，具体而言，涉及一种理财产品推荐方法、装置及存储介质。

背景技术

理财产品作为金融机构产品的重要组成部分，拥有一套快速准确有效的推荐系统将大大提升金融机构服务质量。现有的技术通常通过协同过滤推荐策略、知识图谱深入挖掘用户购买理财产品的规律，从而将待推荐理财产品推荐给用户，进而提高理财产品销售量。但是，协同过滤推荐策略需要大量数据进行分析，如果数据不充分不准确，很大程度影响推荐准确性。利用协同过滤推荐策略和知识图谱的方法，通常都需要大量的数据，而金融机构内部产品销售领域较小，尤其是可利用数据量有限，并且其他金融机构相关销售信息相对较为封闭，获取成本较高，因此对于需要大量数据进行训练的方法耦合度较低，不能充分利用网络，且对大量数据进行训练的网络往往参数或运算量较高，不能灵活增减需要处理的数据个数，对于硬件资源会造成大量压力。知识图谱很大程度也依赖于数据的可访问性，并且由于海量数据远超人力处理能力，依靠人力无法发现数据中隐藏的众多关系。

针对相关技术中相关技术中通过协同过滤推荐策略和知识图谱方式进行理财产品推荐的方法，存在的需要使用的数据量大且推荐不准确的问题，目前尚未提出有效的解决方案。

发明内容

本申请的主要目的在于提供一种理财产品推荐方法、装置及存储介质，以解决相关技术中相关技术中通过协同过滤推荐策略和知识图谱方式进行理财产品推荐的方法，存在的需要使用的数据量大且推荐不准确的问题。

为了实现上述目的，根据本申请的一个方面，提供了一种理财产品推荐方法。该方法包括：获取目标账户的第一账户特征数据；基于上述第一账户特征数据，采用随机森林理财预测模型，得到N棵随机树分别输出的理财标签，以及上述N棵随机树分别输出的理财标签对应的标签分数，其中，上述随机森林理财预测模型是基于M个账户的账户特征数据，上述M个账户的历史理财行为分别对应的理财标签训练得到的，其中，M、N为大于或等于2的整数，上述随机森林理财预测模型包括上述N棵随机树；根据N棵随机树分别输出的理财标签，以及上述N棵随机树分别输出的理财标签对应的标签分数，得到上述目标账户对应的K个理财标签分别对应的理财标签分数，其中，K为大于或等于2的整数；基于上述K个理财标签分别对应的理财标签分数，确定上述目标账户的理财产品推荐结果。

为了实现上述目的，根据本申请的另一方面，提供了一种理财产品推荐装置。该装置包括：第一获取模块，用于获取目标账户的第一账户特征数据；预测模块，用于基于上述第一账户特征数据，采用随机森林理财预测模型，得到N棵随机树分别输出的理财标签，以及上述N棵随机树分别输出的理财标签对应的标签分数，其中，上述随机森林理财预测模型是基于M个账户的账户特征数据，上述M个账户的历史理财行为分别对应的理财标签训练得到的，其中，M、N为大于或等于2的整数，上述随机森林理财预测模型包括上述N棵随机树；第二获取模块，用于根据N棵随机树分别输出的理财标签，以及上述N棵随机树分别输出的理财标签对应的标签分数，得到上述目标账户对应的K个理财标签分别对应的理财标签分数，其中，K为大于或等于2的整数；确定模块，用于基于上述K个理财标签分别对应的理财标签分数，确定上述目标账户的理财产品推荐结果。

为了实现上述目的，根据本申请的另一方面，还提供了一种非易失性存储介质，上述非易失性存储介质存储有多条指令，上述指令适于由处理器加载并执行任意一项上述的理财产品推荐方法。