[发明专利]基金产品的推荐方法、相关装置及计算机存储介质

说明书

本申请本申请提供一种基金产品的推荐方法、相关装置及计算机存储介质，所述基金产品的推荐方法：首先，读取目标客户的基本信息和行为信息；其中，所述目标客户为未被推荐基金产品的客户；然后，针对每一个基金产品，利用所述目标客户的基本信息和行为信息预测所述目标用户采用所述基金产品的概率；再按照所述目标用户采用所述基金产品的概率，从大至小对所有所述基金产品进行排序，得到推荐序列；最终，将所述推荐序列中的前N个所述基金产品，推荐给所述目标用户；其中，所述N为正整数。从而达到结合更多的用户信息，从而更加精确的向其推荐基金产品的目的。

技术领域

本申请涉及机器学习技术领域，特别涉及一种基金产品的推荐方法、相关装置及计算机存储介质。

背景技术

随着金融市场高速发展，大众的投资理财意识不断提高，相比于股市的高风险，有专业基金经理管理的各类基金产品获得跟多人的青睐。

然而，由于基金的种类多样，规则复杂，短时间内很难了解清楚，导致错失投资时机。现有的推荐系统可以高效的从大量冗余信息中获取需要的信息。用户在手机银行应用程序(Application，APP)的基金专区提交相关的信息，系统就可以根据用户提交的信息智能地向其推荐基金，然而现有的协同过滤等算法不能充分利用隐含客户信息，且存在稀疏性和冷启动问题。

发明内容

有鉴于此，本申请提供一种基金产品的推荐方法、相关装置及计算机存储介质，可以结合更多的用户信息，从而更加精确的向其推荐基金产品。

本申请第一方面提供了一种基金产品的推荐方法，包括：

读取目标客户的基本信息和行为信息；其中，所述目标客户为未被推荐基金产品的客户；

针对每一个基金产品，利用所述目标客户的基本信息和行为信息预测所述目标用户采用所述基金产品的概率；

按照所述目标用户采用所述基金产品的概率，从大至小对所有所述基金产品进行排序，得到推荐序列；

将所述推荐序列中的前N个所述基金产品，推荐给所述目标用户；其中，所述N为正整数。

可选的，所述针对每一个基金产品，利用所述目标客户的基本信息和行为信息预测所述目标用户采用所述基金产品的概率，包括：

将所述目标客户的基本信息和行为信息输入至预测模型中，得到所述目标用户采用每一个所述基金产品的概率；其中，所述预测模型由训练样本集合对注意力图神经网络进行训练得到；所述训练样本集合多个训练样本用户的基本信息、行为信息以及采用每一个所述基金产品的真实概率。

可选的，所述预测模型的构建方法，包括：

利用传统数据库中的元数据信息，构建知识图谱；

获取待训练用户的基本信息、行为信息以及采用每一个所述基金产品的真实概率；

通过所述知识图谱对每一个所述待训练用户的基本信息、行为信息以及采用每一个所述基金产品的真实概率进行预训练，生成训练样本集合；

针对所述训练样本集合中的每一个训练样本用户，将所述训练样本用户的基本信息和行为信息输入至注意力图神经网络中，得到所述训练样本用户采用每一个所述基金产品的预测概率；

利用所述训练样本用户采用所述基金产品的预测概率与所述训练样本用户采用所述基金产品的真实概率之间的误差，对所述注意力图神经网络中的参数进行不断调整，直至调整后的所述训练样本用户采用所述基金产品的预测概率与所述训练样本用户采用所述基金产品的真实概率之间的误差满足预设的收敛条件时，将所述调整后的注意力图神经网络确定为预测模型。

本申请第二方面提供了一种基金产品的推荐装置，包括：

读取单元，用于读取目标客户的基本信息和行为信息；其中，所述目标客户为未被推荐基金产品的客户；