金融产品推荐方法、装置、计算机设备和存储介质与流程

1.本技术涉及计算机技术领域，特别是涉及一种金融产品推荐方法、装置、计算机设备、存储介质和计算机程序产品。


背景技术：

2.在金融科技领域中，越来越多的银行等金融机构开始在线上为用户提供服务，例如用户可以通过智能终端上的应用程序来浏览理财等金融产品，还可以选择心仪的金融产品进行线上业务办理。
3.传统技术中，常通过用户的主观需求来推荐类似的金融产品，在成功推荐某类型的金融产品后，后续会加大对同类型金融产品的推荐，而忽略了向用户继续推荐其他类型的金融产品的想法，导致无法挖掘到用户的潜在投资意向，使得传统方法向用户推荐其未持有的金融产品时效果较差。


技术实现要素：

4.基于此，有必要针对上述技术问题，提供一种能够提升对用户未持有的金融产品的推荐效果的金融产品推荐方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
5.第一方面，本技术提供了一种金融产品推荐方法。所述方法包括：
6.根据目标用户的第一近邻用户对金融产品的持有概率，得到所述金融产品的评价系数和推荐度；
7.根据所述金融产品的初始评价数据和所述评价系数，得到所述金融产品的目标评价数据；所述初始评价数据根据所述目标用户对所述金融产品的评价信息，以及候选用户对所述金融产品的评价信息生成得到；
8.根据所述目标评价数据确定所述目标用户的第二近邻用户，从所述第二近邻用户已持有的第一金融产品中，剔除所述目标用户已持有的第二金融产品，得到所述目标用户的待推荐金融产品；
9.根据所述待推荐金融产品的推荐度，对所述待推荐金融产品进行排序，得到所述目标用户的金融产品推荐结果。
10.在其中一个实施例中，在根据目标用户的第一近邻用户对金融产品的持有概率，得到所述金融产品的评价系数和推荐度之前，还包括：
11.获取所述目标用户对所述金融产品的浏览信息，以及所述候选用户对所述金融产品的浏览信息；
12.从所述候选用户对所述金融产品的浏览信息中，筛选出与所述目标用户对所述金融产品的浏览信息相匹配的目标浏览信息；
13.将所述目标浏览信息对应的候选用户，作为所述目标用户的第一近邻用户。
14.在其中一个实施例中，根据目标用户的第一近邻用户对金融产品的持有概率，得
到所述金融产品的评价系数，包括：
15.从目标用户的第一近邻用户对金融产品的持有概率中，确定出所述第一近邻用户在所述浏览信息下对所述金融产品的偏好持有概率；
16.根据所述浏览信息对应的重要度和所述偏好持有概率，得到所述金融产品的评价系数。
17.在其中一个实施例中，金融产品的推荐度通过如下方式得到：
18.从所述金融产品对应的持有概率中，筛选出满足第一持有概率条件的第一持有概率，以及筛选出满足第二持有概率条件的第二持有概率；
19.根据所述第一持有概率的频次和所述第二持有概率的频次，对所述金融产品的初始推荐度进行更新，得到所述金融产品的推荐度。
20.在其中一个实施例中，根据所述目标评价数据确定所述目标用户的第二近邻用户，包括：
21.根据所述目标评价数据，确定所述目标用户与所述候选用户对所述金融产品的评分相似度，作为所述目标用户与所述候选用户之间的用户相似度；
22.从所述用户相似度中，筛选出满足预设相似度条件的目标用户相似度；
23.将所述目标用户相似度对应的候选用户，作为所述第二近邻用户。
24.在其中一个实施例中，根据所述待推荐金融产品的推荐度，对所述待推荐金融产品进行排序，得到所述目标用户的金融产品推荐结果，包括：
25.在所述待推荐金融产品中各个金融产品的推荐度均不同的情况下，按照推荐度从大到小的顺序，对所述待推荐金融产品中各个金融产品进行排序，得到排序后金融产品；
26.从所述排序后金融产品中，选取前n个金融产品，作为所述目标用户的金融产品推荐结果；其中n为正整数。
27.在其中一个实施例中，根据所述待推荐金融产品的推荐度，对所述待推荐金融产品进行排序，得到所述目标用户的金融产品推荐结果，包括：
28.在所述待推荐金融产品中至少两个金融产品的推荐度相同的情况下，按照推荐度从大到小的顺序，对所述待推荐金融产品中各个金融产品进行排序，得到所述目标用户的初始推荐结果；
29.根据所述目标评价数据，对所述至少两个金融产品进行排序，得到所述至少两个金融产品的待更新推荐结果；
30.根据所述待更新推荐结果，对所述初始推荐结果进行更新，得到所述目标用户的金融产品推荐结果。
31.第二方面，本技术还提供了一种金融产品推荐装置。所述装置包括：
32.评价系数获取模块，用于根据目标用户的第一近邻用户对金融产品的持有概率，得到所述金融产品的评价系数和推荐度；
33.评价数据确定模块，用于根据所述金融产品的初始评价数据和所述评价系数，得到所述金融产品的目标评价数据；
34.推荐产品确定模块，用于根据所述目标评价数据确定所述目标用户的第二近邻用户，从所述第二近邻用户已持有的第一金融产品中，剔除所述目标用户已持有的第二金融产品，得到所述目标用户的待推荐金融产品；
35.推荐结果确定模块，用于根据所述待推荐金融产品的推荐度，对所述待推荐金融产品进行排序，得到所述目标用户的金融产品推荐结果。
36.第三方面，本技术还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
37.根据目标用户的第一近邻用户对金融产品的持有概率，得到所述金融产品的评价系数和推荐度；
38.根据所述金融产品的初始评价数据和所述评价系数，得到所述金融产品的目标评价数据；所述初始评价数据根据所述目标用户对所述金融产品的评价信息，以及候选用户对所述金融产品的评价信息生成得到；
39.根据所述目标评价数据确定所述目标用户的第二近邻用户，从所述第二近邻用户已持有的第一金融产品中，剔除所述目标用户已持有的第二金融产品，得到所述目标用户的待推荐金融产品；
40.根据所述待推荐金融产品的推荐度，对所述待推荐金融产品进行排序，得到所述目标用户的金融产品推荐结果。
41.第四方面，本技术还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
42.根据目标用户的第一近邻用户对金融产品的持有概率，得到所述金融产品的评价系数和推荐度；
43.根据所述金融产品的初始评价数据和所述评价系数，得到所述金融产品的目标评价数据；所述初始评价数据根据所述目标用户对所述金融产品的评价信息，以及候选用户对所述金融产品的评价信息生成得到；
44.根据所述目标评价数据确定所述目标用户的第二近邻用户，从所述第二近邻用户已持有的第一金融产品中，剔除所述目标用户已持有的第二金融产品，得到所述目标用户的待推荐金融产品；
45.根据所述待推荐金融产品的推荐度，对所述待推荐金融产品进行排序，得到所述目标用户的金融产品推荐结果。
46.第五方面，本技术还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
47.根据目标用户的第一近邻用户对金融产品的持有概率，得到所述金融产品的评价系数和推荐度；
48.根据所述金融产品的初始评价数据和所述评价系数，得到所述金融产品的目标评价数据；所述初始评价数据根据所述目标用户对所述金融产品的评价信息，以及候选用户对所述金融产品的评价信息生成得到；
49.根据所述目标评价数据确定所述目标用户的第二近邻用户，从所述第二近邻用户已持有的第一金融产品中，剔除所述目标用户已持有的第二金融产品，得到所述目标用户的待推荐金融产品；
50.根据所述待推荐金融产品的推荐度，对所述待推荐金融产品进行排序，得到所述目标用户的金融产品推荐结果。
51.上述金融产品推荐方法、装置、计算机设备、存储介质和计算机程序产品，通过根
据目标用户的第一近邻用户对金融产品的持有概率，得到金融产品的评价系数和推荐度；然后根据金融产品的初始评价数据和评价系数，得到金融产品的目标评价数据；根据目标评价数据确定目标用户的第二近邻用户，从第二近邻用户已持有的第一金融产品中，剔除目标用户已持有的第二金融产品，得到目标用户的待推荐金融产品；进而根据待推荐金融产品的推荐度，对待推荐金融产品进行排序，得到目标用户的金融产品推荐结果。采用本方法，能够通过第一近邻用户对金融产品的持有概率，来确定出各个金融产品的评价系数，并通过评价系数进一步去优化用户们对金融产品主观的初始评价数据，从而得到更客观更准确的目标评价数据，进而确定出第二近邻用户；通过客观的推荐度来对目标用户未持有的待推荐金融产品进行推荐排序，能够进一步挖掘出目标用户对未持有金融产品的投资意向，从而提高了对目标用户未持有金融产品的推荐效果。
附图说明
52.图1为一个实施例中金融产品推荐方法的流程示意图；
53.图2为一个实施例中得到金融产品的评价系数步骤的流程示意图；
54.图3为一个实施例中得到目标用户的金融产品推荐结果步骤的流程示意图；
55.图4为另一个实施例中金融产品推荐方法的流程示意图；
56.图5为一个实施例中金融产品推荐装置的结构框图；
57.图6为一个实施例中计算机设备的内部结构图。
具体实施方式
58.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
59.需要说明的是，本技术提供的金融产品推荐方法、装置可用于金融科技领域，以提高对用户未持有金融产品的推荐效果，也可以用于除金融领域之外的任意领域在金融产品推荐方面的应用，例如计算机技术领域，本技术对金融产品推荐方法、装置的应用领域不做限定。
60.在一个实施例中，如图1所示，提供了一种金融产品推荐方法，本实施例以该方法应用于终端进行举例说明，可以理解的是，该方法也可以应用于服务器，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现，例如服务器在处理得到金融产品推荐结果之后，可以将金融产品推荐结果返回至终端，以便通过终端展示金融产品推荐结果。其中，终端可以是银行等金融机构的工作人员所使用的设备。终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。本实施例中，该方法包括以下步骤：
61.步骤s101，根据目标用户的第一近邻用户对金融产品的持有概率，得到金融产品的评价系数和推荐度。
62.其中，第一近邻用户是指与目标用户的浏览信息偏好比较相似(或者完全匹配)的用户。金融产品是指具有经济价值，可进行交易或兑现的非实物资产；例如，金融产品可以
是理财产品、股票和债券等。评价系数用于对金融产品的初始评价数据进行客观修正。推荐度用于衡量金融产品是否值得推荐给目标用户。
63.具体地，终端获取目标用户和候选用户对金融产品的浏览信息，并根据两者的浏览信息确定出目标用户的第一近邻用户。终端根据目标用户的第一近邻用户对金融产品的持有概率，计算得到金融产品的评价系数，同时，终端还可以根据第一近邻用户对金融产品的持有概率是否满足第一持有概率条件和第二持有概率条件，来分别确定各个金融产品的推荐度。
64.步骤s102，根据金融产品的初始评价数据和评价系数，得到金融产品的目标评价数据；初始评价数据根据目标用户对金融产品的评价信息，以及候选用户对金融产品的评价信息生成得到。
65.其中，初始评价数据是指由目标用户和候选用户对金融产品的主观评价信息生成得到的评价数据。初始评价数据用于描述不同用户(例如目标用户和候选用户)对不同金融产品的评价信息。候选用户是指除了目标用户以外，其他与金融产品的浏览、持有相关的用户。
66.具体地，终端获取目标用户对金融产品的评价信息，以及候选用户对金融产品的评价信息，例如评价信息可以是“差，较差，一般，较好，好”中的任意一个，评价信息还可以是阿拉伯数字形式的评分，如1分，4分，5分；进而终端利用目标用户和候选用户的评价信息生成初始评价数据。
67.在实际应用中，初始评价数据可以是矩阵的形式，初始评价数据m1可以通过公式(1)进行表示。
[0068][0069]
式中，s
m,n
表示第m个用户对第n个金融产品的评价信息。目标用户在初始评价数据中具体属于第几个用户，在本实施例中不进行具体限定。可以理解的是，候选用户可以是初始评价数据中除了目标用户以外的其他用户。举例说明，假设初始评价数据m1中的第1个用户是目标用户，那么候选用户为初始评价数据m1中的第2至m个用户。
[0070]
同理，评价系数也可以是矩阵的形式，评价系数m2可以通过公式(2)进行表示。
[0071][0072]
式中，λ
m,n
表示第m个用户对第n个金融产品的评价系数。
[0073]
由公式(2)可知，终端也可以预先采集各个用户的评价信息和浏览信息，从而预先计算得到初始评价矩阵和评价系数，进而在实际应用时，终端可以利用目标用户的索引序号m，迅速的从上述矩阵m1和m2中提取出所需要的评价信息和评价系数。
[0074]
终端利用金融产品的初始评价数据和评价系数计算目标评价数据，可以是将初始评价数据和评价系数进行矩阵点乘，则终端得到金融产品的目标评价数据。目标评价数据
m3可以通过公式(3)进行表示。
[0075][0076]
式中，p
m,n
表示第m个用户对第n个金融产品的目标评分。
[0077]
步骤s103，根据目标评价数据确定目标用户的第二近邻用户，从第二近邻用户已持有的第一金融产品中，剔除目标用户已持有的第二金融产品，得到目标用户的待推荐金融产品。
[0078]
其中，待推荐金融产品是指初步得到的可以推荐给目标用户的金融产品。
[0079]
具体地，目标评价数据中包含有各个用户对金融产品的目标评分，终端从目标评价数据中筛选出目标用户对金融产品的目标评分，以及各个候选用户对金融产品的目标评分，进而利用目标用户的目标评价信息与各个候选用户的目标评价信息之间的评分相似度，确定出目标用户的第二近邻用户。终端从数据库、或者第二近邻用户所使用的终端中，获取到第二近邻用户目前已持有的金融产品，并标记为第一金融产品；同时，终端从数据库、或者目标用户所使用的终端中，获取到目标用户目前已持有的金融产品，并标记为第二金融产品，然后将第一金融产品中与第二金融产品相同的金融产品进行剔除，则终端得到目标用户的待推荐金融产品。
[0080]
举例说明，假设第二近邻用户已持有的第一金融产品为qh＝{q2，q3，q8，q10}，目标用户已持有的第二金融产品为qm＝{q1，q3，q7，q8}，其中q2表示目标评价数据中第2个金融产品；则目标用户的待推荐金融产品q’＝{q2，q10}。
[0081]
步骤s104，根据待推荐金融产品的推荐度，对待推荐金融产品进行排序，得到目标用户的金融产品推荐结果。
[0082]
其中，金融产品推荐结果是指经过排序等处理后确定的需要推荐给目标用户的金融产品。
[0083]
具体地，终端可以根据待推荐金融产品中各个金融产品的推荐度，来对待推荐金融产品中各个金融产品进行排序，得到排序后金融产品；从排序后金融产品中选取n个金融产品作为目标用户的金融产品推荐结果。
[0084]
上述金融产品推荐方法中，通过根据目标用户的第一近邻用户对金融产品的持有概率，得到金融产品的评价系数和推荐度；然后根据金融产品的初始评价数据和评价系数，得到金融产品的目标评价数据；根据目标评价数据确定目标用户的第二近邻用户，从第二近邻用户已持有的第一金融产品中，剔除目标用户已持有的第二金融产品，得到目标用户的待推荐金融产品；进而根据待推荐金融产品的推荐度，对待推荐金融产品进行排序，得到目标用户的金融产品推荐结果。采用本方法，能够通过第一近邻用户对金融产品的持有概率，来确定出各个金融产品的评价系数，并通过评价系数进一步去优化用户们对金融产品主观的初始评价数据，从而得到更客观更准确的目标评价数据，进而确定出第二近邻用户；
通过客观的推荐度来对目标用户未持有的待推荐金融产品进行推荐排序，能够进一步挖掘出目标用户对未持有金融产品的投资意向，从而提高了对目标用户未持有金融产品的推荐效果。
[0085]
在一个实施例中，在上述步骤s101，根据目标用户的第一近邻用户对金融产品的持有概率，得到金融产品的评价系数和推荐度之前，还包括：获取目标用户对金融产品的浏览信息，以及候选用户对金融产品的浏览信息；从候选用户对金融产品的浏览信息中，筛选出与目标用户对金融产品的浏览信息相匹配的目标浏览信息；将目标浏览信息对应的候选用户，作为目标用户的第一近邻用户。
[0086]
其中，浏览信息用于描述用户在线上对金融产品的浏览情况。浏览信息可以包含有用户对金融产品的咨询频率、浏览偏好和浏览时间等。
[0087]
具体地，终端从目标用户所使用的终端、或者本地数据库中获取到目标用户对金融产品的浏览信息，以及候选用户对金融产品的浏览信息。在浏览信息包含有多种类型的信息的情况下，终端可以针对每种类型的浏览信息，分别筛选出与目标用户的每种类型的浏览信息相匹配的目标浏览信息，从而终端得到目标用户在每种类型的浏览信息下对应的第一近邻用户。
[0088]
举例说明，假设目标用户对1号金融产品的咨询频率是5次/天，对1号金融产品的浏览时间是20分钟，那么终端可以去候选用户对1号金融产品的咨询频率中查询是否有咨询频率为5次/天的，以及对1号金融产品的浏览时间是否有20分钟；若查询得到候选用户a和候选用户b对1号金融产品的咨询频率为5次/天，候选用户c和候选用户d对1号金融产品的浏览时间为20分钟，则将候选用户a、候选用户b、候选用户c和候选用户d作为目标用户的第一近邻用户。目标用户对q号金融产品的第一近邻用户可以同理获取到；其中q为正整数。
[0089]
本实施例中，通过从候选用户对金融产品的浏览信息中，筛选出与目标用户对金融产品的浏览信息相匹配的目标浏览信息；然后将目标浏览信息对应的候选用户，作为目标用户的第一近邻用户，能够确定出与目标用户的浏览偏好相匹配的第一近邻用户，从而能够利用浏览偏好匹配的第一近邻用户对金融产品的持有概率，来确定出金融产品的推荐度和评价系数，提升了处理得到的推荐度和评价系数的可靠性和准确性。
[0090]
在一个实施例中，如图2所示，上述步骤s101，根据目标用户的第一近邻用户对金融产品的持有概率，得到金融产品的评价系数，具体包括如下内容：
[0091]
步骤s201，从目标用户的第一近邻用户对金融产品的持有概率中，确定出第一近邻用户在浏览信息下对金融产品的偏好持有概率。
[0092]
其中，持有概率是指第一近邻用户购买金融产品的概率。偏好持有概率是指在特定类型的浏览信息下第一近邻用户购买金融产品的概率。
[0093]
具体地，终端根据第一近邻用户对金融产品的浏览信息，从金融数据库中得到在每种类型的浏览信息下第一近邻用户对金融产品的偏好持有概率。
[0094]
步骤s202，根据浏览信息对应的重要度和偏好持有概率，得到金融产品的评价系数。
[0095]
其中，重要度用于衡量每种类型的浏览信息的相对重要程度。例如重要度可以设置为0.2。
[0096]
具体地，终端获取每种类型的浏览信息对应的重要度和初始评价数据的重要度，
然后利用初始评价数据的重要度、浏览信息对应的重要度和偏好持有概率，计算得到金融产品的评价系数，可以是先将每种类型的浏览信息对应的重要度和每种类型的浏览信息对应的偏好持有概率进行加权，再将加权后的结果与初始评价数据的重要度进行相加，则终端得到金融产品的评价系数。
[0097]
举例说明，假设已经确定了1号用户对1号金融产品的咨询频率、浏览时间和金融产品偏好类型等浏览信息，还可以确定1号用户持有理财产品的类型和持有时间，以增强1号用户的主观需求的侧写，则终端可以通过本地数据库搜索到1号用户在每种类型的浏览信息、持有理财产品的类型和持有时间下的第一近邻用户，以及其第一近邻用户对1号金融产品的偏好持有概率分别是90％、80％、0％、10％和20％。假设每种类型的浏览信息对应的重要度均为0.2，初始评价数据的重要度为1，则1号用户对1号金融产品的评价系数为λ
1,1
＝1+0.2*90％+0.2*80％+0.2*0+0.2*10％+0.2*20％＝1.4。
[0098]
在本实施例中，通过从目标用户的第一近邻用户对金融产品的持有概率中，确定出第一近邻用户在浏览信息下对金融产品的偏好持有概率；根据浏览信息对应的重要度和偏好持有概率，得到金融产品的评价系数，能够通过与目标用户的浏览信息相匹配的第一近邻用户对金融产品的持有概率，并通过实际的持有概率来客观的确定出各个金融产品的评价系数，使得通过评价系数处理得到的目标评价数据会更客观、更准确。
[0099]
在一个实施例中，上述步骤s101中的金融产品的推荐度，可以通过如下方式得到：从金融产品对应的持有概率中，筛选出满足第一持有概率条件的第一持有概率，以及筛选出满足第二持有概率条件的第二持有概率；根据第一持有概率的频次和第二持有概率的频次，对金融产品的初始推荐度进行更新，得到金融产品的推荐度。
[0100]
其中，第一持有概率条件和第二持有概率条件是针对第一近邻用户对金融产品的持有概率设置的判断条件。
[0101]
具体地，终端获取预先设置的第一持有概率条件和第二持有概率条件，以及每个金融产品的初始推荐度，然后终端可以根据第一近邻用户对金融产品的持有概率，确定出每个金融产品对应(关联)的持有概率；进而终端从每个金融产品对应的持有概率中，筛选出满足第一持有概率条件的第一持有概率，以及筛选出满足第二持有概率条件的第二持有概率，并确定第一持有概率的频次和第二持有概率的频次。最后基于第一持有概率的频次和第二持有概率的频次，对金融产品的初始推荐度进行更新，可以是根据每个金融产品的第一持有概率的频次，对每个金融产品的初始推荐度进行增加，得到更新后推荐度；同时，根据第二持有概率的频次，对所述更新后推荐度进行减少，则终端得到金融产品的推荐度。
[0102]
举例说明，第一持有概率条件可以设置为等于100％，第二持有概率可设置为0％，则终端需从每个金融产品对应的持有概率中，筛选出其对应的持有概率多少个100％、有多少个0％。假设3号金融产品对应的持有概率有2个100％，1个0％，假设3号金融产品的初始推荐度为0，则3号金融产品的推荐度＝0+2-1，即根据第一持有概率的频次(100％，2次)对初始推荐度进行增加，根据第二持有概率的频次(0％，1次)对初始推荐度进行减少。
[0103]
在本实施例中，通过从金融产品对应的持有概率中，筛选出满足第一持有概率条件的第一持有概率，以及筛选出满足第二持有概率条件的第二持有概率；根据第一持有概率的频次和第二持有概率的频次，对金融产品的初始推荐度进行更新，得到金融产品的推荐度，能够根据金融产品的客观持有概率来确定金融产品的推荐度，而非根据目标用户的
主观偏好进行推荐，能够挖掘出对高推荐度的金融产品的投资意向，从而提升了对金融产品的推荐效果。
[0104]
在一个实施例中，上述步骤s103，根据目标评价数据确定目标用户的第二近邻用户，具体包括如下内容：根据目标评价数据，确定目标用户与候选用户对金融产品的评分相似度，作为目标用户与候选用户之间的用户相似度；从用户相似度中，筛选出满足预设相似度条件的目标用户相似度；将目标用户相似度对应的候选用户，作为第二近邻用户。
[0105]
其中，评分相似度用于衡量目标评价数据中的目标评分之间的相似度。用户相似度用于衡量用户(例如目标用户与候选用户，或者候选用户与候选用户)之间的相似度。
[0106]
具体地，终端从目标评价数据中，获取目标用户与候选用户对各个金融产品的目标评分，并生成目标评分向量。然后终端通过皮尔森相关系数计算目标用户的目标评分向量与候选用户的目标评分向量之间的评分相似度；将目标用户与候选用户对金融产品的评分相似度，作为目标用户与候选用户之间的用户相似度。还可以将预设相似度条件设置为超过预设相似度阈值(例如0.5)，则终端将超过预设相似度阈值的用户相似度作为目标用户相似度；进而将目标用户相似度所对应的候选用户，作为第二近邻用户。
[0107]
以上述目标评价数据m3公式(3)的矩阵为例，假设目标用户是目标评价数据m3中的第x个用户，候选用户a是目标评价数据m3中的第y个用户，则目标用户的目标评分向量和该候选用户a的目标评分向量可以分别通过公式(4)和公式(5)进行表示。
[0108][0109][0110]
目标用户与候选用户a之间的评分相似度可以通过公式(6)进行表示。
[0111][0112]
在本实施例中，通过根据目标评价数据，确定目标用户与候选用户对金融产品的评分相似度，从而得到目标用户与候选用户之间的用户相似度；从用户相似度中，筛选出满足预设相似度条件的目标用户相似度，以便将目标用户相似度对应的候选用户，作为第二近邻用户，实现了第二近邻用户的合理获取，而且基于经过评价系数处理后的目标评价数据筛选得到的第二近邻用户会比基于初始评价数据筛选得到的第二近邻用户更加客观，更能挖掘出目标用户对未持有金融产品的投资意向。
[0113]
在一个实施例中，上述步骤s104，根据待推荐金融产品的推荐度，对待推荐金融产品进行排序，得到目标用户的金融产品推荐结果，具体包括如下内容：在待推荐金融产品中各个金融产品的推荐度均不同的情况下，按照推荐度从大到小的顺序，对待推荐金融产品中各个金融产品进行排序，得到排序后金融产品；从排序后金融产品中，选取前n个金融产品，作为目标用户的金融产品推荐结果；其中n为正整数。
[0114]
具体地，当待推荐金融产品中各个金融产品的推荐度均不同时，终端可以按照推荐度从大到小的顺序，来排序待推荐金融产品中各个金融产品，则终端得到排序后金融产
品；然后终端从排序后金融产品中，选取前n个金融产品，作为目标用户的金融产品推荐结果，终端将金融产品推荐结果显示在界面上。
[0115]
在本实施例中，按照推荐度从大到小的顺序对待推荐金融产品中各个金融产品进行排序，以确定目标用户的金融产品推荐结果，由于推荐度是通过客观的持有概率确定得到的，而非通过主观权重来确定各个金融产品的推荐度，所以能够更客观的向目标用户推荐其未持有的待推荐产品，从而提高了对目标用户未持有金融产品的推荐效果。
[0116]
在一个实施例中，如图3所示，上述步骤s104，根据待推荐金融产品的推荐度，对待推荐金融产品进行排序，得到目标用户的金融产品推荐结果，具体包括如下内容：
[0117]
步骤s301，在待推荐金融产品中至少两个金融产品的推荐度相同的情况下，按照推荐度从大到小的顺序，对待推荐金融产品中各个金融产品进行排序，得到目标用户的初始推荐结果。
[0118]
步骤s302，根据目标评价数据，对至少两个金融产品进行排序，得到至少两个金融产品的待更新推荐结果。
[0119]
具体地，当待推荐金融产品中至少两个金融产品的推荐度相同时，终端可以先按照推荐度从大到小的顺序，来排序待推荐金融产品中各个金融产品，以得到目标用户的初始推荐结果。然后终端根据目标评价数据，对至少两个金融产品进行排序，可以是根据目标用户对至少两个金融产品的目标评分来排序至少两个金融产品，还可以是根据目标用户和候选用户对至少两个产品的平均评分来排序至少两个金融产品，则终端得到至少两个金融产品的待更新推荐结果。
[0120]
步骤s303，根据待更新推荐结果，对初始推荐结果进行更新，得到目标用户的金融产品推荐结果。
[0121]
具体地，若至少两个金融产品的待更新推荐结果与至少两个的金融产品的初始推荐结果相同，则终端从待推荐金融产品的初始推荐结果中选取前n个金融产品，作为目标用户的金融产品推荐结果。若至少两个金融产品的待更新推荐结果与至少两个的金融产品的初始推荐结果不同，则终端先将至少两个金融产品的初始推荐结果更新为待更新推荐结果，得到待推荐金融产品的更新后推荐结果，进而终端从待推荐金融产品的更新后推荐结果的中选取前n个金融产品，作为目标用户的金融产品推荐结果。
[0122]
举例说明，假设金融产品p1的推荐度为+1，金融产品p2的推荐度为0，金融产品p3的推荐度为0，而目标用户对金融产品p1的目标评分为7，目标用户对金融产品p2的目标评分为7，目标用户对金融产品p3的目标评分为8；则金融产品p1、p2和p3的排序结果为p1》p3》p2。
[0123]
在本实施例中，先按照推荐度从大到小的顺序对待推荐金融产品中各个金融产品进行排序，以得到目标用户的初始推荐结果；然后根据目标评价数据，对至少两个金融产品进行排序，得到至少两个金融产品的待更新推荐结果；进而根据待更新推荐结果，对初始推荐结果进行更新，得到目标用户的金融产品推荐结果，通过客观的推荐度和目标评价数据来确定金融产品推荐结果，而非通过主观权重来确定金融产品推荐结果，能够更客观的向目标用户推荐其未持有的待推荐产品，从而提高了对目标用户未持有金融产品的推荐效果。
[0124]
在一个实施例中，如图4所示，提供了另一种金融产品推荐方法，以该方法应用于
终端为例进行说明，包括以下步骤：
[0125]
步骤s401，获取目标用户对金融产品的浏览信息，以及候选用户对金融产品的浏览信息。
[0126]
步骤s402，从候选用户对金融产品的浏览信息中，筛选出与目标用户对金融产品的浏览信息相匹配的目标浏览信息；将目标浏览信息对应的候选用户，作为目标用户的第一近邻用户。
[0127]
步骤s403，从目标用户的第一近邻用户对金融产品的持有概率中，确定出第一近邻用户在浏览信息下对金融产品的偏好持有概率。
[0128]
步骤s404，根据浏览信息对应的重要度和偏好持有概率，得到金融产品的评价系数。
[0129]
步骤s405，从金融产品对应的持有概率中，筛选出满足第一持有概率条件的第一持有概率，以及筛选出满足第二持有概率条件的第二持有概率。
[0130]
步骤s406，根据第一持有概率的频次和第二持有概率的频次，对金融产品的初始推荐度进行更新，得到金融产品的推荐度。
[0131]
步骤s407，根据金融产品的初始评价数据和评价系数，得到金融产品的目标评价数据。
[0132]
步骤s408，根据目标评价数据，确定目标用户与候选用户对金融产品的评分相似度，作为目标用户与候选用户之间的用户相似度。
[0133]
步骤s409，从用户相似度中，筛选出满足预设相似度条件的目标用户相似度；将目标用户相似度对应的候选用户，作为第二近邻用户。
[0134]
步骤s410，从第二近邻用户已持有的第一金融产品中，剔除目标用户已持有的第二金融产品，得到目标用户的待推荐金融产品。
[0135]
步骤s411，根据待推荐金融产品的推荐度，对待推荐金融产品进行排序，得到目标用户的金融产品推荐结果。
[0136]
上述金融产品推荐方法，能够实现以下有益效果：能够通过第一近邻用户对金融产品的持有概率，来确定出各个金融产品的评价系数，并通过评价系数进一步去优化用户们对金融产品主观的初始评价数据，从而得到更客观更准确的目标评价数据，进而确定出第二近邻用户；通过客观的推荐度来对目标用户未持有的待推荐金融产品进行推荐排序，能够进一步挖掘出目标用户对未持有金融产品的投资意向，从而提高了对目标用户未持有金融产品的推荐效果。
[0137]
为了更清晰阐明本公开实施例提供的金融产品推荐方法，以下以一个具体的实施例对上述金融产品推荐方法进行具体说明。提供了又一种金融产品推荐方法，可以应用于终端，具体包括如下内容：
[0138]
终端获取目标用户对金融产品的评价信息，以及候选用户对金融产品的评价信息，以生成初始评价数据m1。然后终端获取目标用户和候选用户对金融产品的浏览信息，并根据浏览信息筛选出目标用户的第一近邻用户；终端根据目标用户的第一近邻用户对金融产品的持有概率，计算得到金融产品的评价系数m2。终端将初始评价数据m1和评价系数m2进行点乘，得到金融产品的目标评价数据m3。终端从目标评价数据中，获取目标用户与候选用户对各个金融产品的目标评分，并生成目标评分向量。然后终端通过皮尔森相关系数计
算目标用户的目标评分向量与候选用户的目标评分向量之间的评分相似度，作为目标用户与候选用户之间的用户相似度。可以将预设相似度阈值设置为0.5，终端将用户相似度超过0.5的候选用户作为目标用户的第二近邻用户。从第二近邻用户已持有的第一金融产品中，剔除目标用户已持有的第二金融产品，得到目标用户的待推荐金融产品。根据待推荐金融产品的推荐度，对待推荐金融产品进行排序，得到目标用户的金融产品推荐结果。
[0139]
在本实施例中，通过第一近邻用户对金融产品的持有概率，来确定出各个金融产品的评价系数，并通过评价系数进一步去优化用户们对金融产品主观的初始评价数据，从而得到更客观更准确的目标评价数据；通过客观的推荐度和目标评价数据来确定金融产品推荐结果，而非通过主观权重来确定金融产品推荐结果，能够更客观的向目标用户推荐其未持有的待推荐产品，从而提高了对目标用户未持有金融产品的推荐效果。
[0140]
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
[0141]
基于同样的发明构思，本技术实施例还提供了一种用于实现上述所涉及的金融产品推荐方法的金融产品推荐装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个金融产品推荐装置实施例中的具体限定可以参见上文中对于金融产品推荐方法的限定，在此不再赘述。
[0142]
在一个实施例中，如图5所示，提供了一种金融产品推荐装置500，包括：评价系数获取模块501、评价数据确定模块502、推荐产品确定模块503和推荐结果确定模块504，其中：
[0143]
评价系数获取模块501，用于根据目标用户的第一近邻用户对金融产品的持有概率，得到所述金融产品的评价系数和推荐度。
[0144]
评价数据确定模块502，用于根据所述金融产品的初始评价数据和所述评价系数，得到所述金融产品的目标评价数据。
[0145]
推荐产品确定模块503，用于根据所述目标评价数据确定所述目标用户的第二近邻用户，从所述第二近邻用户已持有的第一金融产品中，剔除所述目标用户已持有的第二金融产品，得到所述目标用户的待推荐金融产品。
[0146]
推荐结果确定模块504，用于根据所述待推荐金融产品的推荐度，对所述待推荐金融产品进行排序，得到所述目标用户的金融产品推荐结果。
[0147]
在一个实施例中，金融产品推荐装置500还包括第一近邻确定模块，用于获取所述目标用户对所述金融产品的浏览信息，以及所述候选用户对所述金融产品的浏览信息；从所述候选用户对所述金融产品的浏览信息中，筛选出与所述目标用户对所述金融产品的浏览信息相匹配的目标浏览信息；将所述目标浏览信息对应的候选用户，作为所述目标用户的第一近邻用户。
[0148]
在一个实施例中，评价系数获取模块501，还用于从目标用户的第一近邻用户对金
融产品的持有概率中，确定出所述第一近邻用户在所述浏览信息下对所述金融产品的偏好持有概率；根据所述浏览信息对应的重要度和所述偏好持有概率，得到所述金融产品的评价系数。
[0149]
在一个实施例中，金融产品推荐装置500还包括推荐度获取模块，用于从所述金融产品对应的持有概率中，筛选出满足第一持有概率条件的第一持有概率，以及筛选出满足第二持有概率条件的第二持有概率；根据所述第一持有概率的频次和所述第二持有概率的频次，对所述金融产品的初始推荐度进行更新，得到所述金融产品的推荐度。
[0150]
在一个实施例中，推荐产品确定模块503，还用于根据所述目标评价数据，确定所述目标用户与所述候选用户对所述金融产品的评分相似度，作为所述目标用户与所述候选用户之间的用户相似度；从所述用户相似度中，筛选出满足预设相似度条件的目标用户相似度；将所述目标用户相似度对应的候选用户，作为所述第二近邻用户。
[0151]
在一个实施例中，推荐结果确定模块504，还用于在所述待推荐金融产品中各个金融产品的推荐度均不同的情况下，按照推荐度从大到小的顺序，对所述待推荐金融产品中各个金融产品进行排序，得到排序后金融产品；从所述排序后金融产品中，选取前n个金融产品，作为所述目标用户的金融产品推荐结果；其中n为正整数。
[0152]
在一个实施例中，推荐结果确定模块504，还用于在所述待推荐金融产品中至少两个金融产品的推荐度相同的情况下，按照推荐度从大到小的顺序，对所述待推荐金融产品中各个金融产品进行排序，得到所述目标用户的初始推荐结果；根据所述目标评价数据，对所述至少两个金融产品进行排序，得到所述至少两个金融产品的待更新推荐结果；根据所述待更新推荐结果，对所述初始推荐结果进行更新，得到所述目标用户的金融产品推荐结果。
[0153]
上述金融产品推荐装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0154]
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图6所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过wifi、移动蜂窝网络、nfc(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种金融产品推荐方法。该计算机设备的显示单元用于形成视觉可见的画面，可以是显示屏、投影装置或虚拟现实成像装置。显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
[0155]
本领域技术人员可以理解，图6中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备
可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0156]
在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
[0157]
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
[0158]
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
[0159]
需要说明的是，本技术所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
[0160]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(reram)、磁变存储器(magnetoresistive random access memory，mram)、铁电存储器(ferroelectric random access memory，fram)、相变存储器(phase change memory，pcm)、石墨烯存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器等。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。本技术所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本技术所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
[0161]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0162]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术的保护范围应以所附权利要求为准。

技术特征：
1.一种金融产品推荐方法，其特征在于，所述方法包括：根据目标用户的第一近邻用户对金融产品的持有概率，得到所述金融产品的评价系数和推荐度；根据所述金融产品的初始评价数据和所述评价系数，得到所述金融产品的目标评价数据；所述初始评价数据根据所述目标用户对所述金融产品的评价信息，以及候选用户对所述金融产品的评价信息生成得到；根据所述目标评价数据确定所述目标用户的第二近邻用户，从所述第二近邻用户已持有的第一金融产品中，剔除所述目标用户已持有的第二金融产品，得到所述目标用户的待推荐金融产品；根据所述待推荐金融产品的推荐度，对所述待推荐金融产品进行排序，得到所述目标用户的金融产品推荐结果。2.根据权利要求1所述的方法，其特征在于，在根据目标用户的第一近邻用户对金融产品的持有概率，得到所述金融产品的评价系数和推荐度之前，还包括：获取所述目标用户对所述金融产品的浏览信息，以及所述候选用户对所述金融产品的浏览信息；从所述候选用户对所述金融产品的浏览信息中，筛选出与所述目标用户对所述金融产品的浏览信息相匹配的目标浏览信息；将所述目标浏览信息对应的候选用户，作为所述目标用户的第一近邻用户。3.根据权利要求2所述的方法，其特征在于，所述根据目标用户的第一近邻用户对金融产品的持有概率，得到所述金融产品的评价系数，包括：从目标用户的第一近邻用户对金融产品的持有概率中，确定出所述第一近邻用户在所述浏览信息下对所述金融产品的偏好持有概率；根据所述浏览信息对应的重要度和所述偏好持有概率，得到所述金融产品的评价系数。4.根据权利要求1所述的方法，其特征在于，所述金融产品的推荐度通过如下方式得到：从所述金融产品对应的持有概率中，筛选出满足第一持有概率条件的第一持有概率，以及筛选出满足第二持有概率条件的第二持有概率；根据所述第一持有概率的频次和所述第二持有概率的频次，对所述金融产品的初始推荐度进行更新，得到所述金融产品的推荐度。5.根据权利要求1所述的方法，其特征在于，所述根据所述目标评价数据确定所述目标用户的第二近邻用户，包括：根据所述目标评价数据，确定所述目标用户与所述候选用户对所述金融产品的评分相似度，作为所述目标用户与所述候选用户之间的用户相似度；从所述用户相似度中，筛选出满足预设相似度条件的目标用户相似度；将所述目标用户相似度对应的候选用户，作为所述第二近邻用户。6.根据权利要求1所述的方法，其特征在于，所述根据所述待推荐金融产品的推荐度，对所述待推荐金融产品进行排序，得到所述目标用户的金融产品推荐结果，包括：在所述待推荐金融产品中各个金融产品的推荐度均不同的情况下，按照推荐度从大到
小的顺序，对所述待推荐金融产品中各个金融产品进行排序，得到排序后金融产品；从所述排序后金融产品中，选取前n个金融产品，作为所述目标用户的金融产品推荐结果；其中n为正整数。7.根据权利要求1所述的方法，其特征在于，所述根据所述待推荐金融产品的推荐度，对所述待推荐金融产品进行排序，得到所述目标用户的金融产品推荐结果，包括：在所述待推荐金融产品中至少两个金融产品的推荐度相同的情况下，按照推荐度从大到小的顺序，对所述待推荐金融产品中各个金融产品进行排序，得到所述目标用户的初始推荐结果；根据所述目标评价数据，对所述至少两个金融产品进行排序，得到所述至少两个金融产品的待更新推荐结果；根据所述待更新推荐结果，对所述初始推荐结果进行更新，得到所述目标用户的金融产品推荐结果。8.一种金融产品推荐装置，其特征在于，所述装置包括：评价系数获取模块，用于根据目标用户的第一近邻用户对金融产品的持有概率，得到所述金融产品的评价系数和推荐度；评价数据确定模块，用于根据所述金融产品的初始评价数据和所述评价系数，得到所述金融产品的目标评价数据；推荐产品确定模块，用于根据所述目标评价数据确定所述目标用户的第二近邻用户，从所述第二近邻用户已持有的第一金融产品中，剔除所述目标用户已持有的第二金融产品，得到所述目标用户的待推荐金融产品；推荐结果确定模块，用于根据所述待推荐金融产品的推荐度，对所述待推荐金融产品进行排序，得到所述目标用户的金融产品推荐结果。9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。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，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。11.一种计算机程序产品，包括计算机程序，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7中任一项所述的方法的步骤。

技术总结
本申请涉及一种金融产品推荐方法和装置，可用于金融科技领域，以提升对目标用户未持有的金融产品的推荐效果。所述方法包括：根据目标用户的第一近邻用户对金融产品的持有概率，得到金融产品的评价系数和推荐度；根据金融产品的初始评价数据和评价系数，得到金融产品的目标评价数据；初始评价数据根据目标用户对金融产品的评价信息，以及候选用户对金融产品的评价信息生成得到；根据目标评价数据确定目标用户的第二近邻用户，从第二近邻用户已持有的第一金融产品中，剔除目标用户已持有的第二金融产品，得到目标用户的待推荐金融产品；根据待推荐金融产品的推荐度，对待推荐金融产品进行排序，得到目标用户的金融产品推荐结果。得到目标用户的金融产品推荐结果。得到目标用户的金融产品推荐结果。


技术研发人员：莫宇乾 张彬 郑显凌 李慧灵
受保护的技术使用者：中国工商银行股份有限公司
技术研发日：2023.04.07
技术公布日：2023/7/21