CN110400202A - 银行产品推荐方法及系统 - Google Patents

Abstract

本发明提供了一种银行产品推荐方法及系统。所述方法包括：根据用户特征描述标准及其字典，得到用户基本信息及用户偏好信息，利用所述用户基本信息及所述用户偏好信息确定用户档案文本；根据产品描述标准及其字典，得到产品信息，利用所述产品信息确定产品描述文本；根据所述用户档案文本及所述产品描述文本，生成向量空间，利用相似度评估方式，在所述向量空间中确定待推荐用户及对应的推荐产品。本发明基于用户画像和产品信息提取的用户档案文本和产品描述文本，运用自然语言技术在语言描述的向量空间中更加泛化的寻找用户和产品的关联，实现个性化银行产品推荐。

Description

银行产品推荐方法及系统

技术领域

本发明涉及银行产品推荐技术领域，尤指一种银行产品推荐方法及系统。

背景技术

推荐系统利用特殊的信息过滤技术，依据客户的特征或产品的特点等分析其间的关联性，将不同的产品推荐给可能感兴趣的客户。

近年来，推荐系统在互联网科技公司的产品布局中发挥重要作用，如电子商务中推荐商品、新闻内容网站推荐文章、音乐视频网站推荐视频等，这些个性化推荐的应用在获取新客、精准营销、活跃旧客上起到较好效果。反观银行产品营销，银行产品存在种类丰富、可选择性高、购买门槛低的特点，银行产品从少部分人可购买的金融产品，变成大众可参与的资产增值渠道。目前银行产品的营销主要基于上级机构任务分发式的营销活动推动，此外在银行的移动端APP普遍的推荐策略是基于规则引擎或传统算法单点式产品模型推荐。随着银行产品种类的增多，产品用户范围越普及，现有银行产品的营销推荐支持越来越难以满足需求。因此，如何将银行产品针对客户进行个性化精确推荐成了一个重要诉求。

发明内容

为了解决上述问题，本发明实施例提供一种银行产品推荐方法，所述方法包括：

根据用户特征描述标准及其字典，得到用户基本信息及用户偏好信息，利用所述用户基本信息及所述用户偏好信息确定用户档案文本；

根据产品描述标准及其字典，得到产品信息，利用所述产品信息确定产品描述文本；

根据所述用户档案文本及所述产品描述文本，生成向量空间，利用相似度评估方式，在所述向量空间中确定待推荐用户及对应的推荐产品。

可选的，在本发明一实施例中，所述根据用户特征描述标准及其字典，得到用户基本信息及用户偏好信息包括：维护所述用户特征描述标准及其字典，根据所述用户特征描述标准及其字典，得到所述用户基本信息及所述用户偏好信息。

可选的，在本发明一实施例中，所述根据产品描述标准及其字典，得到产品信息，利用所述产品信息确定产品描述文本包括：维护所述产品描述标准及其字典，根据所述产品描述标准及其字典，得到所述产品信息，利用所述产品信息确定产品描述文本。

可选的，在本发明一实施例中，所述根据所述用户档案文本及所述产品描述文本，生成向量空间，利用相似度评估方式，在所述向量空间中确定待推荐用户及对应的推荐产品包括：将所述用户档案文本及所述产品描述文本转换为文本向量，生成向量空间；确定所述文本向量之间的余弦值，利用所述余弦值进行相似度评估，以在所述向量空间中确定待推荐用户及对应的推荐产品。

本发明实施例还提供一种银行产品推荐系统，所述系统包括：用户画像模块、产品特征提取模块及算法推荐模块；

所述用户画像模块根据用户特征描述标准及其字典，得到用户基本信息及用户偏好信息，利用所述用户基本信息及所述用户偏好信息确定用户档案文本；

所述产品特征提取模块根据产品描述标准及其字典，得到产品信息，利用所述产品信息确定产品描述文本；

所述算法推荐模块根据所述用户档案文本及所述产品描述文本，生成向量空间，利用相似度评估方式，在所述向量空间中确定待推荐用户及对应的推荐产品。

可选的，在本发明一实施例中，所述用户画像模块包括：用户标准化描述单元，用于维护所述用户特征描述标准及其字典；用户信息提取单元，用于根据所述用户特征描述标准及其字典，得到所述用户基本信息；用户偏好提取单元，用于根据所述用户特征描述标准及其字典，得到所述用户偏好信息。

可选的，在本发明一实施例中，所述产品特征提取模块包括：产品标准化描述模块，用于维护所述产品描述标准及其字典；产品信息提取单元，用于根据所述产品描述标准及其字典，得到所述产品信息，利用所述产品信息确定产品描述文本。

可选的，在本发明一实施例中，所述算法推荐模块包括：文本向量化单元，用于将所述用户档案文本及所述产品描述文本转换为文本向量，生成向量空间；相似度评估单元，用于确定所述文本向量之间的余弦值，利用所述余弦值进行相似度评估，以在所述向量空间中确定待推荐用户及对应的推荐产品。

本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

根据用户特征描述标准及其字典，得到用户基本信息及用户偏好信息，利用所述用户基本信息及所述用户偏好信息确定用户档案文本；

根据产品描述标准及其字典，得到产品信息，利用所述产品信息确定产品描述文本；

根据所述用户档案文本及所述产品描述文本，生成向量空间，利用相似度评估方式，在所述向量空间中确定待推荐用户及对应的推荐产品。

本发明实施例还提供一种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：

根据用户特征描述标准及其字典，得到用户基本信息及用户偏好信息，利用所述用户基本信息及所述用户偏好信息确定用户档案文本；

根据产品描述标准及其字典，得到产品信息，利用所述产品信息确定产品描述文本；

根据所述用户档案文本及所述产品描述文本，生成向量空间，利用相似度评估方式，在所述向量空间中确定待推荐用户及对应的推荐产品。

本发明基于用户画像和产品信息提取的用户档案文本和产品描述文本，运用自然语言技术在语言描述的向量空间中更加泛化的寻找用户和产品的关联，实现个性化银行产品推荐。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例一种银行产品推荐方法的流程图；

图2为本发明实施例中生成用户档案文本的流程图；

图3为本发明实施例中生成产品描述文本的流程图；

图4为本发明实施例中确定推荐用户及对应的推荐产品的流程图；

图5为本发明实施例一种银行产品推荐系统的结构示意图；

图6为本发明实施例中用户画像模块的结构示意图；

图7为本发明实施例中产品特征提取模块的结构示意图；

图8为本发明实施例中算法推荐模块的结构示意图。

具体实施方式

本发明实施例提供一种银行产品推荐方法及系统。

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示为本发明实施例一种银行产品推荐方法的流程图，图中所示方法包括：

步骤S1，根据用户特征描述标准及其字典，得到用户基本信息及用户偏好信息，利用所述用户基本信息及所述用户偏好信息确定用户档案文本；

步骤S2，根据产品描述标准及其字典，得到产品信息，利用所述产品信息确定产品描述文本；

步骤S3，根据所述用户档案文本及所述产品描述文本，生成向量空间，利用相似度评估方式，在所述向量空间中确定待推荐用户及对应的推荐产品。

在本实施例中，将用户个性基本信息及其偏好特征，以及产品可描述特征转换为用户档案文本及产品描述文本，从文本内容的角度通过文本向量空间相似性算法找到用户想关联的用户群组以及群组中习惯购买的产品，实现用户产品的精准推荐，为用户以及银行营销人员提供一个参考。

作为本发明的一个实施例，根据用户特征描述标准及其字典，得到用户基本信息及用户偏好信息包括：维护所述用户特征描述标准及其字典，根据所述用户特征描述标准及其字典，得到所述用户基本信息及所述用户偏好信息。

作为本发明的一个实施例，根据产品描述标准及其字典，得到产品信息，利用所述产品信息确定产品描述文本包括：维护所述产品描述标准及其字典，根据所述产品描述标准及其字典，得到所述产品信息，利用所述产品信息确定产品描述文本。

作为本发明的一个实施例，根据所述用户档案文本及所述产品描述文本，生成向量空间，利用相似度评估方式，在所述向量空间中确定待推荐用户及对应的推荐产品包括：将所述用户档案文本及所述产品描述文本转换为文本向量，生成向量空间；确定所述文本向量之间的余弦值，利用所述余弦值进行相似度评估，以在所述向量空间中确定待推荐用户及对应的推荐产品。

在本发明的一具体实施例中，如图2所示，生成用户档案文本的具体步骤如下：

步骤101：维护用户画像对用户特征描述的标准及其字典。具体的，整合并维护用户特征描述标签，包括标签分类、标签字典值、标签值范围等，进入下一步骤。

步骤S102：依据标准和字典从客户关系信息系统提取用户信息。具体的，通过从客户关系信息系统提取用户信息，如年龄分段、职业类别、是否高管等用户描述，进入下一步骤。

步骤S103：依据标准和字典从产品系统用户持有产品历史用户偏好信息。具体的，通过从产品系统用户持有产品历史提取用户偏好信息，如信用等级、银证转账频率、购买产品及其产品描述。

在本发明的一具体实施例中，如图3所示，生成产品描述文本的具体步骤如下：

步骤S201：维护产品特征对产品描述的标准及其字典。具体的，可新增和维护全量产品特征对产品描述的标准及其字典，包括产品期限、收益级别、到期方式、产品名称等，进入下一步骤。

步骤S202：依据标准和字典从各产品系统提取产品信息。具体的，通过从服务类产品、存款类产品、理财类产品、基金债券产品等产品系统提取产品特征得到产品描述文本。

在本发明的一具体实施例中，如图4所示，确定推荐用户及对应的推荐产品的具体步骤如下：

步骤S301：加载用户档案文本和产品描述文本生成向量空间。具体的，运用doc2vec算法加载用户档案文本与产品描述文本，生成向量空间，进入下一步骤。

步骤S302：运用相似度评估查找向量空间中用户推荐的群组及其产品。具体的，在向量空间中查找需要推荐产品用户的用户档案对应的群组以及群组习惯持有的产品列表，将产品列表输出，最终以服务形式对外输出服务。

本发明基于用户画像和产品信息提取的用户档案文本和产品描述文本，运用自然语言技术在语言描述的向量空间中更加泛化的寻找用户和产品的关联，实现个性化银行产品推荐。一方面，提供一种新的银行产品推荐策略，另一方面，利用银行现有的软硬件资源，进一步推动人工智能辅助生产决策。

如图5所示为本发明实施例一种银行产品推荐系统的结构示意图，图中所示系统包括：用户画像模块1、产品特征提取模块2及算法推荐模块3；

所述用户画像模块1根据用户特征描述标准及其字典，得到用户基本信息及用户偏好信息，利用所述用户基本信息及所述用户偏好信息确定用户档案文本；

所述产品特征提取模块2根据产品描述标准及其字典，得到产品信息，利用所述产品信息确定产品描述文本；

所述算法推荐模块3根据所述用户档案文本及所述产品描述文本，生成向量空间，利用相似度评估方式，在所述向量空间中确定待推荐用户及对应的推荐产品。

在本实施例中，本发明系统包括用户画像模块、产品特征提取模块、算法推荐模块。用户画像模块用于为推荐系统提供用户标准化提取过后的用户档案文本输入，产品特征提取模块用于为系统提供产品标准化提取过后的产品描述文本，算法推荐模块用于提供自然语言相关的基础算法支持能力。推荐系统的推荐过程以用户画像模块输出的用户档案文本和产品特征提取模块输出的产品描述文本为输入，访问算法推荐模块中的自然语言处理相关的算法，如：文本向量化转换、文本相似度计算等。系统可以为大众用户提供个性化的产品推荐，包含服务产品、存款产品、理财产品、基金债券等，从而实现用户的精准营销。

在本实施例中，银行产品推荐系统独立节点部署，用户画像模块1、算产品特征提取模块2、算法推荐模块3作为银行产品推荐系统的模块进行交互。银行产品推荐系统以服务形式对外输出推荐结果，可以为网银、手机银行、第三方系统提供推荐服务，也可以为营销人员提供推荐营销方案。其中：用户画像模块1，可新增和维护全量用户特征描述标签，包括标签分类、标签字典值、标签值范围等。通过从客户关系信息系统提取用户信息，如年龄分段、职业类别、是否高管等用户描述。通过从产品系统用户持有产品历史提取用户偏好信息，如信用等级、银证转账频率、购买产品及其产品描述。产品特征提取模块2，可新增和维护全量产品特征对产品描述的标准及其字典，包括产品期限、收益级别、到期方式、产品名称等。通过从服务类产品、存款类产品、理财类产品、基金债券产品等产品系统提取产品特征得到产品描述文本。算法推荐模块3，作为银行产品推荐系统的模块可被直接访问，提供自然语言处理相关的基础算法支持，加载用户档案文本和产品描述文本生成向量空间，运用相似度评估查找向量空间中用户推荐的群组及其产品。

作为本发明的一个实施例，用户画像模块包括：用户标准化描述单元，用于维护所述用户特征描述标准及其字典；用户信息提取单元，用于根据所述用户特征描述标准及其字典，得到所述用户基本信息；用户偏好提取单元，用于根据所述用户特征描述标准及其字典，得到所述用户偏好信息。其中，用户档案文本包括用户基本信息及用户偏好信息。

作为本发明的一个实施例，产品特征提取模块包括：产品标准化描述模块，用于维护所述产品描述标准及其字典；产品信息提取单元，用于根据所述产品描述标准及其字典，得到所述产品信息，利用所述产品信息确定产品描述文本。

作为本发明的一个实施例，算法推荐模块包括：文本向量化单元，用于将所述用户档案文本及所述产品描述文本转换为文本向量，生成向量空间；相似度评估单元，用于确定所述文本向量之间的余弦值，利用所述余弦值进行相似度评估，以在所述向量空间中确定待推荐用户及对应的推荐产品。

在本发明的一具体实施例中，如图6所示，用户画像模块1具体包括：用户标准化描述单元11、用户信息提取单元12、用户偏好提取单元13。其中：

用户标准化描述单元11，用于维护用户画像对用户特征描述的标准及其字典，包括能力标签分类、标签字典值、标签值范围等。

用户信息提取单元12，用于依据标准和字典从客户关系信息系统提取用户信息。

用户偏好提取单元13，用于依据标准和字典从产品系统用户持有产品历史用户偏好信息。

在本发明的一具体实施例中，如图7所示，产品特征提取模块2具体包括：产品标准化描述单元21、产品信息提取单元22。其中：

产品标准化描述单元21，负责新增和维护全量产品特征对产品描述的标准及其字典，包括产品期限、收益级别、到期方式、产品名称等

产品信息提取单元22，通过从服务类产品、存款类产品、理财类产品、基金债券产品等产品系统提取产品特征得到产品描述文本。

在本发明的一具体实施例中，如图8所示，算法推荐模块3具体包括：文本向量化单元31、相似度评估单元32。其中：

文本向量化单元31，通过文本向量化方法对文本进行编码，把文本转换为计算机能够理解的形式。文本向量化常用方法有onehot、bow、tf-idf、word2vec、doc2vec、哈希向量化等。文本向量化单元31采用了doc2vec方式将用户画像模块1输出的用户档案文本与产品特征提取模块2输出的产品描述文本转换为文本向量。

相似度评估单元32，用于评估文本向量之间的相似程度。一般是计算两段文本的文本向量之间的余弦值，数值越大代表相似度越大。可以使用doc2vec的相似度方法，同样简单地认为文本向量的相似度就是向量之间的余弦值，根据数据的特征不同可以换为LDA、docsim等算法。

本发明基于用户画像和产品信息提取的用户档案文本和产品描述文本，运用自然语言技术在语言描述的向量空间中更加泛化的寻找用户和产品的关联，实现个性化银行产品推荐。一方面，提供一种新的银行产品推荐策略，另一方面，利用银行现有的软硬件资源，进一步推动人工智能辅助生产决策。

本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

根据用户特征描述标准及其字典，得到用户基本信息及用户偏好信息，利用所述用户基本信息及所述用户偏好信息确定用户档案文本；

根据产品描述标准及其字典，得到产品信息，利用所述产品信息确定产品描述文本；

根据所述用户档案文本及所述产品描述文本，生成向量空间，利用相似度评估方式，在所述向量空间中确定待推荐用户及对应的推荐产品。

本发明实施例还提供一种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：

根据用户特征描述标准及其字典，得到用户基本信息及用户偏好信息，利用所述用户基本信息及所述用户偏好信息确定用户档案文本；

根据产品描述标准及其字典，得到产品信息，利用所述产品信息确定产品描述文本；

根据所述用户档案文本及所述产品描述文本，生成向量空间，利用相似度评估方式，在所述向量空间中确定待推荐用户及对应的推荐产品。

基于与上述一种银行产品推荐方法相同的申请构思，本发明还提供了上述一种计算机设备及一种计算机可读存储介质。由于该一种计算机设备及一种计算机可读存储介质解决问题的原理与一种银行产品推荐方法相似，因此该一种计算机设备及一种计算机可读存储介质的实施可以参见一种银行产品推荐方法的实施，重复之处不再赘述。

本发明基于用户画像和产品信息提取的用户档案文本和产品描述文本，运用自然语言技术在语言描述的向量空间中更加泛化的寻找用户和产品的关联，实现个性化银行产品推荐。一方面，提供一种新的银行产品推荐策略，另一方面，利用银行现有的软硬件资源，进一步推动人工智能辅助生产决策。

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步骤可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读取存储介质中，比如ROM/RAM、磁碟、光盘等。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种银行产品推荐方法，其特征在于，所述方法包括：

根据用户特征描述标准及其字典，得到用户基本信息及用户偏好信息，利用所述用户基本信息及所述用户偏好信息确定用户档案文本；

根据产品描述标准及其字典，得到产品信息，利用所述产品信息确定产品描述文本；

根据所述用户档案文本及所述产品描述文本，生成向量空间，利用相似度评估方式，在所述向量空间中确定待推荐用户及对应的推荐产品。

2.根据权利要求1所述的方法，其特征在于，所述根据用户特征描述标准及其字典，得到用户基本信息及用户偏好信息包括：维护所述用户特征描述标准及其字典，根据所述用户特征描述标准及其字典，得到所述用户基本信息及所述用户偏好信息。

3.根据权利要求1所述的方法，其特征在于，所述根据产品描述标准及其字典，得到产品信息，利用所述产品信息确定产品描述文本包括：维护所述产品描述标准及其字典，根据所述产品描述标准及其字典，得到所述产品信息，利用所述产品信息确定产品描述文本。

4.根据权利要求1所述的方法，其特征在于，所述根据所述用户档案文本及所述产品描述文本，生成向量空间，利用相似度评估方式，在所述向量空间中确定待推荐用户及对应的推荐产品包括：

将所述用户档案文本及所述产品描述文本转换为文本向量，生成向量空间；

确定所述文本向量之间的余弦值，利用所述余弦值进行相似度评估，以在所述向量空间中确定待推荐用户及对应的推荐产品。

5.一种银行产品推荐系统，其特征在于，所述系统包括：用户画像模块、产品特征提取模块及算法推荐模块；

所述用户画像模块根据用户特征描述标准及其字典，得到用户基本信息及用户偏好信息，利用所述用户基本信息及所述用户偏好信息确定用户档案文本；

所述产品特征提取模块根据产品描述标准及其字典，得到产品信息，利用所述产品信息确定产品描述文本；

所述算法推荐模块根据所述用户档案文本及所述产品描述文本，生成向量空间，利用相似度评估方式，在所述向量空间中确定待推荐用户及对应的推荐产品。

6.根据权利要求5所述的系统，其特征在于，所述用户画像模块包括：

用户标准化描述单元，用于维护所述用户特征描述标准及其字典；

用户信息提取单元，用于根据所述用户特征描述标准及其字典，得到所述用户基本信息；

用户偏好提取单元，用于根据所述用户特征描述标准及其字典，得到所述用户偏好信息。

7.根据权利要求5所述的系统，其特征在于，所述产品特征提取模块包括：

产品标准化描述模块，用于维护所述产品描述标准及其字典；

产品信息提取单元，用于根据所述产品描述标准及其字典，得到所述产品信息，利用所述产品信息确定产品描述文本。

8.根据权利要求5所述的系统，其特征在于，所述算法推荐模块包括：

文本向量化单元，用于将所述用户档案文本及所述产品描述文本转换为文本向量，生成向量空间；

相似度评估单元，用于确定所述文本向量之间的余弦值，利用所述余弦值进行相似度评估，以在所述向量空间中确定待推荐用户及对应的推荐产品。

9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现以下步骤：

根据用户特征描述标准及其字典，得到用户基本信息及用户偏好信息，利用所述用户基本信息及所述用户偏好信息确定用户档案文本；

根据产品描述标准及其字典，得到产品信息，利用所述产品信息确定产品描述文本；

根据所述用户档案文本及所述产品描述文本，生成向量空间，利用相似度评估方式，在所述向量空间中确定待推荐用户及对应的推荐产品。

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以下步骤：

根据用户特征描述标准及其字典，得到用户基本信息及用户偏好信息，利用所述用户基本信息及所述用户偏好信息确定用户档案文本；

根据产品描述标准及其字典，得到产品信息，利用所述产品信息确定产品描述文本；

根据所述用户档案文本及所述产品描述文本，生成向量空间，利用相似度评估方式，在所述向量空间中确定待推荐用户及对应的推荐产品。