(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211025576.4 (22)申请日 2022.08.25 (71)申请人 中国银行股份有限公司 地址 100818 北京市西城区复兴门内大街1 号 (72)发明人 陈灿然　敖倩　付小奇　徐一茗　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 专利代理师 付丽 (51)Int.Cl. G06Q 40/06(2012.01) G06F 16/9535(2019.01) G06F 16/9536(2019.01) G06N 20/00(2019.01) G06K 9/62(2022.01) (54)发明名称 一种理财产品推荐方法、 装置及设备 (57)摘要 本申请公开了一种理财产品推荐 方法、 装置 及设备， 可应用于用于金融领域以及大数据领 域， 获取新老用户的特征信息和偏好信息， 根据 指标标准对新老用户的特征信息进行指标化， 生 成指标数据； 根据标签标准对新 老用户的指标数 据进行标签化， 生成基础标签数据； 训练得到拟 合模型； 将新老用户的基础标签数据输入所述拟 合模型， 生成新老用户的关键特征标签； 根据所 述新老用户的关键特征标签形成新老用户画像， 结合K‑均值算法度量的初步相似度和所述新老 用户的特征信息对新老用户进行分类； 结合物品 协同过滤算法和第一类别客户的偏好信息， 获取 所述第一类别客户的推荐列表。 更好地帮助新老 客户发现和他兴趣领域相关的理财产品资讯， 增 强推荐资 讯宣传效果。 权利要求书2页 说明书10页 附图3页 CN 115358870 A 2022.11.18 CN 115358870 A 1.一种理财产品推荐方法， 其特 征在于， 包括： 获取新老用户的特征信息和偏好信息， 所述新老用户包括新用户 和老用户， 所述特征 信息是根据新老用户的基本属性类数据及个性 化信息数据确定； 根据指标 标准对新老用户的特 征信息进行指标化， 生成指标 数据； 根据标签标准对新老用户的指标 数据进行 标签化， 生成基础标签数据； 获取老用户的指标数据为机器学习 主要任务， 新用户的指标数据为机器学习的辅助任 务， 训练得到拟合模型， 所述拟合模型为同时兼容拟合 新老客户指标 数据的模型； 将新老用户的基础标签数据输入所述拟合模型， 生成新老用户的关键特 征标签； 根据所述新老用户的关键特征标签形成新老用户画像， 所述新老用户画像为新客户和 老用户特 征标签的集 合； 结合K‑均值算法度量的初步相似度和所述 新老用户的特 征信息对新老用户进行分类； 结合物品协同过滤算法和第 一类别客户的偏好信 息， 获取所述第 一类别客户的推荐列 表。 2.根据权利要求1所述的方法， 其特征在于， 所述获取新老用户的特征信 息和偏好信 息 之前， 还包括： 获取老用户或新用户的身份信 息及资产消费信 息， 生成老用户或新用户基本属性类数 据； 获取老用户或新用户的个人喜好及风险偏好 生成老用户或新用户个性 化信息数据； 总和所述老用户或新用户基本属性类数据和老用户或新用户个性化信息数据生成老 用户或新用户特 征信息。 3.根据权利要求2所述的方法， 其特征在于， 所述总和所述老用户或新用户基本属性类 数据和老用户或新用户个性 化信息数据生成老用户或新用户特 征信息之前， 还 包括： 获取所述老客户的客户行为数据， 所述客户行为数据用于代表所述老客户选择过的理 财产品， 根据所述 客户行为数据生成所述老客户偏好信息； 获取所述新客户的兴趣信 息数据， 所述兴趣信 息数据用于代表所述新客户对现有理财 产品的兴趣偏向， 根据所述兴趣信息数据生成所述 新客户偏好信息 。 4.根据权利要求3所述的方法， 其特征在于， 所述根据所述兴趣信 息数据生成所述新客 户偏好信息之后还 包括： 对偏好信息和特征信息进行筛选， 剔除其中冗余数据， 所述冗余数据用于指示信息中 的无用数据和重复信息 。 5.根据权利要求1所述的方法， 其特征在于， 所述获取该类别客户的推荐列表之后， 还 包括： 获取第一类别客户的日志信息， 根据所述日志信息计算物品相似度， 所述日志信息为 所述第一类别客户购买过的理财产品的日志信息； 运用所述物品相似度对所述初步相似度进行 更新。 6.根据权利要求1所述的方法， 其特征在于， 所述获取所述第 一类别客户的推荐列表之 后， 还包括： 获取客户身份信 息， 将所述推荐列表和当前时间、 客户身份信 息关联生成推荐页面， 所 述推荐页面用于展示 根据客户信息生成的推荐理财产品。权　利　要　求　书 1/2 页 2 CN 115358870 A 27.一种理财产品推荐装置， 其特 征在于， 包括： 特征偏好信息获取模块， 用于获取新老用户的特征信息和偏好信息， 所述新老用户包 括新用户和老用户， 所述特征信息是根据新老用户的基本属性类数据及个性化信息数据确 定； 指标数据生成模块， 用于根据指标标准对新老用户的特征信息进行指标化， 生成指标 数据； 基础标签数据生成模块， 用于根据标签标准对新老用户的指标数据进行标签化， 生成 基础标签数据； 拟合模型生成模块， 用于获取老用户的指标数据为机器学习主要任务， 新用户的指标 数据为机器学习的辅助任务， 训练得到拟合模型， 所述拟合模型为同时兼容拟合新老客户 指标数据的模型； 关键特征标签生成模块， 用于将新老用户的基础标签数据输入所述拟合模型， 生成新 老用户的关键特 征标签； 画像生成模块， 用于根据所述新老用户的关键特征标签形成新老用户画像， 所述新老 用户画像为 新客户和老用户特 征标签的集 合； 用户分类模块， 用于结合K ‑均值算法度量的初步相似度和所述新老用户的特征信 息对 新老用户进行分类； 推荐列表生成模块， 用于结合物品协同过滤算法和第一类别客户的偏好信息， 获取所 述第一类别客户的推荐列表。 8.根据权利要求7 所述的装置， 其特 征在于， 所述装置还 包括： 基本属性数据生成模块， 用于获取老用户或新用户的身份信息及资产消费信息， 生成 老用户或新用户基本属性类数据； 个性化信 息生成模块， 用于获取老用户或新用户的个人喜好及风险偏好生成老用户或 新用户个性 化信息数据； 特征信息合成模块， 用于总和所述老用户或新用户基本属性类数据和老用户或新用户 个性化信息数据生成老用户或新用户特 征信息。 9.根据权利要求8所述的装置， 其特 征在于， 所述装置还 包括： 客户行为数据获取模块， 用于获取所述老客户的客户行为数据， 所述客户行为数据用 于代表所述老客户选择 过的理财产品， 根据所述 客户行为数据生成所述老客户偏好信息； 兴趣信息数据获取模块， 用于获取所述新客户的兴趣信息数据， 所述兴趣信息数据用 于代表所述新客户对现有理财产品的兴趣偏向， 根据所述兴趣信息数据生成所述新客户偏 好信息。 10.一种计算机设备， 其特 征在于， 包括： 处 理器、 存储器、 系统总线； 所述处理器以及所述存 储器通过 所述系统总线相连； 所述存储器用于存储一个或多个程序， 所述一个或多个程序包括指令， 所述指令当被 所述处理器执行时使所述处 理器执行权利要求1 ‑6任一项所述的理财产品推荐方法。权　利　要　求　书 2/2 页 3 CN 115358870 A 3