理財產品推薦方法及裝置制造方法及圖紙

本發明專利技術公開了一種理財產品推薦方法及裝置，涉及人工智能技術領域，其中該方法包括：獲取目標用戶的基本信息；根據預設的初始產品推薦模型和所述目標用戶的基本信息，確定所述目標用戶的風險承受度和初始推薦理財產品的產品信息；根據所述風險承受度、初始推薦理財產品的產品信息和預獲取的市場走勢預測信息，確定所述目標用戶對應的最終推薦理財產品的產品信息并輸出。本發明專利技術能夠提高理財產品推薦的成功率，滿足客戶需求。滿足客戶需求。滿足客戶需求。

【技術實現步驟摘要】
理財產品推薦方法及裝置


[0001]本專利技術涉及人工智能
，尤其涉及理財產品推薦方法及裝置。

技術介紹

[0002]本部分旨在為權利要求書中陳述的本專利技術實施例提供背景或上下文。此處的描述不因為包括在本部分中就承認是現有技術。
[0003]投資理財是對資產進行管理和分配，使資產達到保值增值的有效手段。但投資理財存在風險，客戶在沒有理財基礎情況下往往無法合理規劃資產。當前已有的理財產品推薦方式只是基于固定規則的靜態方案，未考慮客戶之間的差異，無法做到與時俱進，實時更新，規則死板，無法適應客戶的多樣性需求。

技術實現思路

[0004]本專利技術實施例提供一種理財產品推薦方法，用以提高理財產品推薦的成功率，滿足客戶需求，該方法包括：
[0005]獲取目標用戶的基本信息；
[0006]根據預設的初始產品推薦模型和所述目標用戶的基本信息，確定所述目標用戶的風險承受度和初始推薦理財產品的產品信息；
[0007]根據所述風險承受度、初始推薦理財產品的產品信息和預獲取的市場走勢預測信息，確定所述目標用戶對應的最終推薦理財產品的產品信息并輸出。
[0008]進一步地，在所述根據所述風險承受度、初始推薦理財產品的產品信息和預獲取的市場走勢預測信息，確定所述目標用戶對應的最終推薦理財產品的產品信息并輸出之前，還包括：
[0009]根據所述初始推薦理財產品的產品信息和預設的市場走勢預測模型，確定所述初始推薦理財產品的市場走勢預測信息；
[0010]所述市場走勢模型是根據批量理財產品的歷史產品信息和實際市場走勢預測信息對長短期記憶神經網絡模型進行訓練得到的。
[0011]進一步地，在所述根據預設的初始產品推薦模型和所述目標用戶的基本信息，確定所述目標用戶的風險承受度和初始推薦理財產品的產品信息之前，還包括：
[0012]獲取批量歷史用戶的基本信息、實際風險承受度和實際初始推薦理財產品的產品信息；
[0013]根據批量歷史用戶的基本信息、實際風險承受度和實際初始推薦理財產品的產品信息對多層前饋神經網絡模型進行訓練，得到所述預設的初始產品推薦模型。
[0014]進一步地，在所述根據所述初始推薦理財產品的產品信息和預設的市場走勢預測模型，確定所述初始推薦理財產品的市場走勢預測信息之前，還包括：
[0015]獲取批量理財產品的歷史產品信息和實際市場走勢預測信息；
[0016]根據批量理財產品的歷史產品信息和實際市場走勢預測信息對長短期記憶神經
網絡模型進行訓練，得到所述預設的市場走勢預測模型。
[0017]本專利技術實施例還提供一種理財產品推薦裝置，用以提高理財產品推薦的成功率，滿足客戶需求，該裝置包括：
[0018]獲取模塊，用于獲取目標用戶的基本信息；
[0019]確定模塊，用于根據預設的初始產品推薦模型和所述目標用戶的基本信息，確定所述目標用戶的風險承受度和初始推薦理財產品的產品信息；
[0020]推薦模塊，用于根據所述風險承受度、初始推薦理財產品的產品信息和預獲取的市場走勢預測信息，確定所述目標用戶對應的最終推薦理財產品的產品信息并輸出。
[0021]進一步地，所述的理財產品推薦裝置，還包括：
[0022]市場走勢確定模塊，用于根據所述初始推薦理財產品的產品信息和預設的市場走勢預測模型，確定所述初始推薦理財產品的市場走勢預測信息；
[0023]所述市場走勢模型是根據批量理財產品的歷史產品信息和實際市場走勢預測信息對長短期記憶神經網絡模型進行訓練得到的。
[0024]進一步地，所述的理財產品推薦裝置，還包括：
[0025]第一獲取歷史信息模塊，用于獲取批量歷史用戶的基本信息、實際風險承受度和實際初始推薦理財產品的產品信息；
[0026]第一訓練模塊，用于根據批量歷史用戶的基本信息、實際風險承受度和實際初始推薦理財產品的產品信息對多層前饋神經網絡模型進行訓練，得到所述預設的初始產品推薦模型。
[0027]進一步地，所述的理財產品推薦裝置，還包括：
[0028]第二獲取歷史信息模塊，用于獲取批量理財產品的歷史產品信息和實際市場走勢預測信息；
[0029]第二訓練模塊，用于根據批量理財產品的歷史產品信息和實際市場走勢預測信息對長短期記憶神經網絡模型進行訓練，得到所述預設的市場走勢預測模型。
[0030]本專利技術實施例還提供一種計算機設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執行所述計算機程序時實現上述理財產品推薦方法。
[0031]本專利技術實施例還提供一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，所述計算機程序被處理器執行時實現上述理財產品推薦方法。
[0032]本專利技術實施例還提供一種計算機程序產品，所述計算機程序產品包括計算機程序，所述計算機程序被處理器執行時實現上述理財產品推薦方法。
[0033]本專利技術實施例中的理財產品推薦方法及裝置，與現有技術中基于固定規則的靜態方案相比，通過獲取目標用戶的基本信息；根據預設的初始產品推薦模型和所述目標用戶的基本信息，確定所述目標用戶的風險承受度和初始推薦理財產品的產品信息；根據所述風險承受度、初始推薦理財產品的產品信息和預獲取的市場走勢預測信息，確定所述目標用戶對應的最終推薦理財產品的產品信息并輸出，能夠提高理財產品推薦的成功率，滿足客戶需求；具體地，可以通過獲取用戶實時的操作歷史，提取用戶的操作偏好，可以實時根據用戶的習慣調整投資方案。通過大量已有用戶的習慣，自動提取市場投資理財動向，方向性更強，準確性更高。
附圖說明
[0034]為了更清楚地說明本專利技術實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本專利技術的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。在附圖中：
[0035]圖1是本申請實施例中的理財產品推薦方法的第一流程示意圖；
[0036]圖2是本申請實施例中的理財產品推薦方法的第二流程示意圖；
[0037]圖3是本申請實施例中的理財產品推薦方法的第三流程示意圖；
[0038]圖4是本申請實施例中的理財產品推薦方法的第四流程示意圖；
[0039]圖5是本申請一種舉例中的每單投資評價模型的邏輯示意圖；
[0040]圖6是本申請實施例中的理財產品推薦裝置的結構示意圖。
具體實施方式
[0041]為使本專利技術實施例的目的、技術方案和優點更加清楚明白，下面結合附圖對本專利技術實施例做進一步詳細說明。在此，本專利技術的示意性實施例及其說明用于解釋本專利技術，但并不作為對本專利技術的限定。
[0042]為了便于對本方案的理解，下面對與本方案相關的
技術實現思路
進行說明。
[0043]深度學習：是機器學習的分支，是一種以人工神經網絡為架構，本文檔來自技高網...

【技術保護點】

【技術特征摘要】
1.一種理財產品推薦方法，其特征在于，包括：獲取目標用戶的基本信息；根據預設的初始產品推薦模型和所述目標用戶的基本信息，確定所述目標用戶的風險承受度和初始推薦理財產品的產品信息；根據所述風險承受度、初始推薦理財產品的產品信息和預獲取的市場走勢預測信息，確定所述目標用戶對應的最終推薦理財產品的產品信息并輸出。2.根據權利要求1所述的理財產品推薦方法，其特征在于，在所述根據所述風險承受度、初始推薦理財產品的產品信息和預獲取的市場走勢預測信息，確定所述目標用戶對應的最終推薦理財產品的產品信息并輸出之前，還包括：根據所述初始推薦理財產品的產品信息和預設的市場走勢預測模型，確定所述初始推薦理財產品的市場走勢預測信息；所述市場走勢模型是根據批量理財產品的歷史產品信息和實際市場走勢預測信息對長短期記憶神經網絡模型進行訓練得到的。3.根據權利要求1所述的理財產品推薦方法，其特征在于，在所述根據預設的初始產品推薦模型和所述目標用戶的基本信息，確定所述目標用戶的風險承受度和初始推薦理財產品的產品信息之前，還包括：獲取批量歷史用戶的基本信息、實際風險承受度和實際初始推薦理財產品的產品信息；根據批量歷史用戶的基本信息、實際風險承受度和實際初始推薦理財產品的產品信息對多層前饋神經網絡模型進行訓練，得到所述預設的初始產品推薦模型。4.根據權利要求2所述的理財產品推薦方法，其特征在于，在所述根據所述初始推薦理財產品的產品信息和預設的市場走勢預測模型，確定所述初始推薦理財產品的市場走勢預測信息之前，還包括：獲取批量理財產品的歷史產品信息和實際市場走勢預測信息；根據批量理財產品的歷史產品信息和實際市場走勢預測信息對長短期記憶神經網絡模型進行訓練，得到所述預設的市場走勢預測模型。5.一種理財產品推薦裝置，其特征在于，包括：獲取模塊，用于獲取目標用戶的基本信息；確定模塊，用于根據預設的初始產品推薦模型和所述目標用戶的基本信...

【專利技術屬性】
技術研發人員：黃絲，黃攀，郭美佳，
申請(專利權)人：中國銀行股份有限公司，
類型：發明
國別省市：