[发明专利]评估用户业务偏好方法、用户投资风险偏好方法及装置

说明书

技术领域

本申请涉及互联网技术领域，尤其涉及评估用户业务偏好、用户投资风险偏好方法及装置。

背景技术

目前，在大多数的服务行业中，为了提高业务质量，通常会通过问卷调查的方式评估用户对于某业务的偏好程度，然后根据调查结果有针对性地提高该业务质量。例如，银行或其他金融机构会先通过问卷调查的方式，获取用户对于投资风险的偏好或对于投资风险的承受能力，再根据调查结果制定出更加符合用户投资习惯的金融产品等等。

上述现有技术通过问卷调查的方式，有时的确可以准确地获得用户对于某业务的偏好程度，但是获得的调查结果，通常只是反映了参与问卷调查的用户对于某业务的主观感受，没有客观地反映出用户对于该业务的偏好程度。

发明内容

鉴于上述问题，本申请实施例提供了一种评估用户业务操作偏好方法，用于解决现有技术中主观地评估用户对于某项业务的偏好的问题。

一种评估用户业务偏好的方法，该方法包括：

获取用户在业务操作中产生的特征向量，所述特征向量的组成元素中包含所述用户在所述业务操作中产生的至少一个业务偏好指标值；根据预设规则对所述特征向量进行处理，得到所述用户对所述业务操作的偏好程度，并根据所述偏好程度评估所述用户对于所述业务的偏好，其中，所述预设规则是通过用户在所述业务操作中产生的特征向量和用户对所述业务的偏好程度经过训练获得的。

优选地，所述业务偏好指标值的确定方法是：

获取在预设时间内所述业务的舆情指标、所述用户在所述业务操作中投入的资源量、所述资源量的变化量以及所述资源量的变化时间；

根据所述业务的舆情指标、所述资源量、所述资源量的变化量以及所述资源量的变化时间确定所述用户在所述业务操作中产生的业务偏好指标值，所述业务偏好指标值的数量至少为一个。

优选地，所述预设规则是通过用户在所述业务操作中产生的特征向量和用户对所述业务的偏好程度经过训练获得的具体包括：

对用户在所述业务操作中产生的特征向量进行聚类运算，得到各所述用户的分类；

根据各所述分类中用户对于所述业务操作的预设第一偏好程度，确定各所述分类中用户对于所述业务操作的第二偏好程度；

将所述第二偏好程度作为输出数据，并将所述用户在所述业务操作中产生的特征向量作为输入数据，对预设规则进行训练，得到所述预设规则。

优选地，所述根据各所述分类中用户对于所述业务操作的预设第一偏好程度，确定各所述分类中用户对于所述业务操作的第二偏好程度，具体包括：

根据各所述分类中用户对于所述业务操作的预设第一偏好程度，获取各所述分类中用户对于所述业务操作的平均偏好程度，将所述平均偏好程度作为各所述分类中用户对于所述业务操作的第二偏好程度。

优选地，在得到所述用户对所述业务操作的偏好程度后，所述方法还包括：

根据所述用户对所述业务操作的预设偏好程度，对所述得到的所述用户对所述业务操作的偏好程度进行修正。

优选地，所述对用户在所述业务操作中产生的特征向量进行聚类运算包括：

从所述用户在所述业务操作中产生的特征向量中随机提取K个特征向量作为初始聚类中心，所述K的值为大于或等于1的正整数；

确定各所述用户在所述业务操作中产生的特征向量与各所述初始聚类中心之间的距离，将各所述特征向量归类到所述距离最小的聚类中心对应的类别中；

分别计算获得各所述类别中包含的特征向量的算数平均值，将各所述算数平均值作为新的各所述类别的聚类中心，并对各所述用户在所述业务操作中产生的特征向量进行重新归类，直到第一代价函数收敛，所述第一代价函数用于表征所述聚类运算的完成情况。

优选地，所述对用户在所述业务操作中产生的特征向量进行聚类运算包括：

将所述用户在所述业务操作中产生的特征向量随机地分为N个模糊组，所述N的值为大于或等于1的正整数；

用0到1之间的随机数初始化隶属矩阵，所述隶属矩阵用来表征各所述用户在所述业务操作中产生的特征向量属于各所述模糊组的程度；

根据所述隶属矩阵确定各所述模糊组中的聚类中心，并计算各所述用户在所述业务操作中的特征向量与各所述聚类中心之间的距离；

根据各所述距离确定第二代价函数的值是否小于预设的阈值，如果是，则停止所述聚类运算；如果否，则更新所述隶属矩阵并确定新的聚类中心，直到所述第二代价函数小于所述预设阈值，所述第二代价函数用于表征所述聚类运算的完成情况。