基于数据分析的金融产品推荐方法、装置和计算机设备
阅读：592发布：2021-05-17
专利汇可以提供基于数据分析的金融产品推荐方法、装置和计算机设备专利检索，专利查询，专利分析的服务。并且本 发明 公开了一种基于数据分析的金融产品推荐方法、装置和计算机设备，涉及 大数据 领域，该方法包括：获取目标用户于预定时间段内浏览过的网页文本；基于所述网页文本，确定所述目标用户的用户标签向量；对每一金融产品，获取对所述金融产品进行描述的说明文本；基于所述说明文本，确定所述每一金融产品的产品标签向量；基于所述用户标签向量与所述产品标签向量的匹配结果，向所述目标用户推送金融产品。该方法提高了将金融产品推送给目标用户的精准度。，下面是基于数据分析的金融产品推荐方法、装置和计算机设备专利的具体信息内容。
1.一种基于数据分析的金融产品推荐方法，其特征在于，包括：
获取目标用户于预定时间段内浏览过的网页文本；
基于所述网页文本，确定所述目标用户的用户标签向量；
对每一金融产品，获取对所述金融产品进行描述的说明文本；
基于所述说明文本，确定所述每一金融产品的产品标签向量；
基于所述用户标签向量与所述产品标签向量的匹配结果，向所述目标用户推送金融产品。
2.根据权利要求1所述的方法，其特征在于，所述基于所述网页文本，确定所述目标用户的用户标签向量，包括：
对所述网页文本进行分词；
对每一个分出的词，将其输入CBOW模型，得到每一个所述分出的词的词向量；
将对所述网页文本分出的词中与预设的概念词库中的概念词相同的词，作为对所述目标用户的用户概念词；
将对所述网页文本分出的词中除了所述用户概念词以外的词，作为对所述目标用户的行为文本词；
基于所述用户概念词的词向量与所述行为文本词的词向量的匹配结果，确定所述目标用户的用户标签向量。
3.根据权利要求2所述的方法，其特征在于，所述基于所述用户概念词的词向量与所述行为文本词的词向量的匹配结果，确定所述目标用户的用户标签向量，包括：
对每一所述用户概念词，确定所有所述行为文本词的词向量与该所述用户概念词的词向量的余弦距离平均值；
根据预先对所述用户概念词的排序，对每一所述用户概念词，依次将其对应的所述余弦距离平均值作为一向量元素进行排列，将排列完毕的所述向量元素封装为所述目标用户的用户标签向量。
4.根据权利要求1所述的方法，其特征在于，所述基于所述说明文本，确定所述每一金融产品的产品标签向量，包括：
对所述说明文本进行分词；
对每一个分出的词，将其输入CBOW模型，得到每一个所述分出的词的词向量；
将与所述用户概念词相同的词，作为对所述金融产品的产品概念词；
将对所述说明文本分出的词中除了所述产品概念词以外的词，作为对所述金融产品的描述文本词；
基于所述产品概念词的词向量与所述描述文本词的词向量的匹配结果，确定所述金融产品的产品标签向量。
5.根据权利要求4所述的方法，其特征在于，所述基于所述产品概念词的词向量与所述描述文本词的词向量的匹配结果，确定所述金融产品的产品标签向量，包括：
对每一所述产品概念词，确定所有所述描述文本词的词向量与该所述产品概念词的词向量的余弦距离平均值；
根据预先对所述产品概念词的排序，对每一所述产品概念词，依次将其对应的所述余弦距离平均值作为一向量元素进行排列，将排列完毕的所述向量元素封装为所述金融产品的产品标签向量。
6.根据权利要求1所述的方法，其特征在于，基于所述用户标签向量与所述产品标签向量的匹配结果，向所述目标用户推送金融产品，包括：
对每一所述金融产品，确定所述金融产品对应的产品标签向量与所述目标用户对应的用户标签向量的余弦距离值；
将所述余弦距离值按照从大到小进行排序，将最大的余弦距离值所对应的所述金融产品推送给所述目标用户。
7.一种将基于数据分析的金融产品推荐装置，其特征在于，包括：
第一获取模块，用于获取目标用户浏览过的网页文本；
第一确定模块，用于基于所述网页文本，确定所述目标用户的用户标签向量；
第二获取模块，用于对每一金融产品，获取对所述金融产品进行描述的说明文本；
第二确定模块，用于基于所述说明文本，确定所述每一金融产品的产品标签向量；
匹配模块，用于基于所述用户标签向量与所述产品标签向量的匹配结果，向所述目标用户推送金融产品。
8.一种基于数据分析的金融产品推荐的电子设备，其特征在于，包括：
存储器，配置为存储可执行指令；
处理器，配置为执行所述存储器中存储的可执行指令，以执行根据权利要求1-6中任一个所述的方法。
9.一种计算机可读程序介质，其特征在于，其存储有计算机程序指令，当所述计算机指令被计算机执行时，使计算机执行根据权利要求1-6中任一个所述的方法。
基于数据分析的金融产品推荐方法、装置和计算机设备
技术领域
背景技术
[0002] 在互联网技术发展迅速的今天，众多领域的许多业务都会借助互联网技术来进行信息处理、分析的部分。在保险推销中，现有技术使用的方法为：将目标用户打上标签，再将产品打上标签，最后通过二者间标签的匹配来确定向用户推销的产品。这样的匹配方法止步于“标签”层面，匹配的结果较为粗略，无法更加精准地对其进行进一步的处理、分析，导致在整个处理过程中大量细节信息的浪费。
发明内容
[0003] 基于此，为解决相关技术中如何从技术层面上更加精准地将金融产品推送给目标用户所面临的技术问题，本发明提供了一种基于数据分析的金融产品推荐方法和装置。
[0004] 第一方面，提供了一种基于数据分析的金融产品推荐方法，包括：
[0005] 获取目标用户于预定时间段内浏览过的网页文本；
[0006] 基于所述网页文本，确定所述目标用户的用户标签向量；
[0007] 对每一金融产品，获取对所述金融产品进行描述的说明文本；
[0008] 基于所述说明文本，确定所述每一金融产品的产品标签向量；
[0009] 基于所述用户标签向量与所述产品标签向量的匹配结果，向所述目标用户推送金融产品。
[0010] 在本公开的一示例性实施例中，基于所述网页文本，确定所述目标用户的用户标签向量，包括：
[0011] 对所述网页文本进行分词；
[0012] 对每一个分出的词，将其输入CBOW模型，得到每一个所述分出的词的词向量；
[0013] 将对所述网页文本分出的词中与预设的概念词库中的概念词相同的词，作为对所述目标用户的用户概念词；
[0014] 将对所述网页文本分出的词中除了所述用户概念词以外的词，作为对所述目标用户的行为文本词；
[0015] 基于所述用户概念词的词向量与所述行为文本词的词向量的匹配结果，确定所述目标用户的用户标签向量。
[0016] 在本公开的一示例性实施例中，基于所述用户概念词的词向量与所述行为文本词的词向量的匹配结果，确定所述目标用户的用户标签向量，包括：
[0017] 对每一所述用户概念词，确定所有所述行为文本词的词向量与该所述用户概念词的词向量的余弦距离平均值；
[0018] 根据预先对所述用户概念词的排序，对每一所述用户概念词，依次将其对应的所述余弦距离平均值作为一向量元素进行排列，将排列完毕的所述向量元素封装为所述目标用户的用户标签向量。
[0019] 在本公开的一示例性实施例中，基于所述说明文本，确定所述每一金融产品的产品标签向量，包括：
[0020] 对所述说明文本进行分词；
[0021] 对每一个分出的词，将其输入CBOW模型，得到每一个所述分出的词的词向量；
[0022] 将与所述用户概念词相同的词，作为对所述金融产品的产品概念词；
[0023] 将对所述说明文本分出的词中除了所述产品概念词以外的词，作为对所述金融产品的描述文本词；
[0024] 基于所述产品概念词的词向量与所述描述文本词的词向量的匹配结果，确定所述金融产品的产品标签向量。
[0025] 在本公开的一示例性实施例中，基于所述产品概念词的词向量与所述描述文本词的词向量的匹配结果，确定所述金融产品的产品标签向量，包括：
[0026] 对每一所述产品概念词，确定所有所述描述文本词的词向量与该所述产品概念词的词向量的余弦距离平均值；
[0027] 根据预先对所述产品概念词的排序，对每一所述产品概念词，依次将其对应的所述余弦距离平均值作为一向量元素进行排列，将排列完毕的所述向量元素封装为所述金融产品的产品标签向量。
[0028] 在本公开的一示例性实施例中，基于所述用户标签向量与所述产品标签向量的匹配结果，向所述目标用户推送金融产品，包括：
[0029] 对每一所述金融产品，确定所述金融产品对应的产品标签向量与所述目标用户对应的用户标签向量的余弦距离值；
[0030] 将所述余弦距离值按照从大到小进行排序，将最大的余弦距离值所对应的所述金融产品推送给所述目标用户。
[0031] 根据本公开的第二方面，提供了一种基于数据分析的金融产品推荐装置，包括：
[0032] 第一获取模块，用于获取目标用户浏览过的网页文本；
[0033] 第一确定模块，用于基于所述网页文本，确定所述目标用户的用户标签向量；
[0034] 第二获取模块，用于对每一金融产品，获取对所述金融产品进行描述的说明文本；
[0035] 第二确定模块，用于基于所述说明文本，确定所述每一金融产品的产品标签向量；
[0036] 匹配模块，用于基于所述用户标签向量与所述产品标签向量的匹配结果，向所述目标用户推送金融产品。
[0037] 根据本公开的第三方面，提供了一种基于数据分析的金融产品推荐的电子设备，包括：
[0038] 存储器，配置为存储可执行指令。
[0039] 处理器，配置为执行所述存储器中存储的可执行指令，以执行以上所述的方法。
[0040] 根据本公开的第四方面，提供一种计算机可读程序介质，其存储有计算机程序指令，当所述计算机指令被计算机执行时，使计算机执行以上所述的方法。
[0041] 与传统技术中将金融产品推送给目标用户是直接根据金融产品的标签与目标用户的标签的匹配来进行的相比，本公开的实施例通过对金融产品的标签与目标用户的标签先进行数学层面上的度量，将其分别表示为向量，再通过向量间的余弦距离来进行匹配，提高了将金融产品推送给目标用户的精准度。
[0042] 本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
[0044] 图1示出根据本公开一示例实施方式的基于数据分析的金融产品推荐流程图。
[0045] 图2示出根据本公开一示例实施方式的基于数据分析的金融产品推荐装置的方框图。
[0046] 图3示出根据本公开一示例实施方式的基于所述网页文本，确定所述目标用户的用户标签向量的详细流程图。
[0047] 图4示出根据本公开一示例实施方式的基于所述用户概念词的词向量与所述行为文本词的词向量的匹配结果，确定所述目标用户的用户标签向量的详细流程图。
[0048] 图5示出根据本公开一示例实施方式的基于所述说明文本，确定所述每一金融产品的产品标签向量的详细流程图。
[0049] 图6示出根据本公开一示例实施方式的基于所述产品概念词的词向量与所述描述文本词的词向量的匹配结果，确定所述金融产品的产品标签向量的详细流程图。
[0050] 图7示出根据本公开一示例实施方式的基于所述用户标签向量与所述产品标签向量的匹配结果，向所述目标用户推送金融产品的详细流程图。
[0051] 图8示出根据本公开一示例实施方式的基于数据分析的金融产品推荐的系统架构图。
[0052] 图9示出根据本公开一示例实施方式的基于数据分析的金融产品推荐的电子设备图。
[0053] 图10示出根据本公开一示例实施方式的基于数据分析的金融产品推荐的计算机可读存储介质图。
具体实施方式
[0054] 现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。
[0055] 此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
[0056] 本公开的目的在于从技术方面提高将金融产品推送给目标用户的精准度。根据本公开一个实施例的基于数据分析的金融产品推荐方法，包括：获取目标用户于预定时间段内浏览过的网页文本；基于所述网页文本，确定所述目标用户的用户标签向量；对每一金融产品，获取对所述金融产品进行描述的说明文本；基于所述说明文本，确定所述每一金融产品的产品标签向量；基于所述用户标签向量与所述产品标签向量的匹配结果，向所述目标用户推送金融产品。与传统技术中将金融产品推送给目标用户是直接根据金融产品的标签与目标用户的标签的匹配来进行的相比，本公开的实施例通过对金融产品的标签与目标用户的标签先进行数学层面上的度量，将其分别表示为向量，再通过向量间的余弦距离来进行匹配，提高了将金融产品推送给目标用户的精准度。
[0057] 图1示出根据本公开一示例实施方式的基于数据分析的金融产品推荐流程图：
[0058] 步骤S100：获取目标用户于预定时间段内浏览过的网页文本；
[0059] 步骤S110：基于所述网页文本，确定所述目标用户的用户标签向量；
[0060] 步骤S120：对每一金融产品，获取对所述金融产品进行描述的说明文本；
[0061] 步骤S130：基于所述说明文本，确定所述每一金融产品的产品标签向量；
[0062] 步骤S140：基于所述用户标签向量与所述产品标签向量的匹配结果，向所述目标用户推送金融产品。
[0063] 下面，将结合附图对本示例实施方式中上述基于数据分析的金融产品推荐方法的各步骤进行详细的解释以及说明。
[0064] 在步骤S100中，获取目标用户于预定时间段内浏览过的网页文本。
[0065] 目标用户是指欲向其进行金融产品推送的用户。
[0066] 通过获取目标用户于预定时间段内浏览过的网页文本，使得服务器能够根据所述网页文本对所述目标用户进行喜好、行为倾向的判断。
[0067] 在一实施例中，如果一用户表现出对金融产品的购买意愿，如：浏览有关金融产品的介绍页面，则将该用户确定为向其推荐金融产品的目标用户。从服务器对目标用户客户端进行行为记录的日志中，确定目标用户于预定时间段内，如：当前时间点前12个小时内，浏览过的所有网页，对所述网页的文本内容进行爬取，从而获得目标用户于预定时间段内浏览过的网页文本。
[0068] 在步骤S110中，基于所述网页文本，确定所述目标用户的用户标签向量。
[0069] 在一实施例中，如图3所示，步骤S110包括：
[0070] 步骤S1101：对所述网页文本进行分词；
[0071] 步骤S1102：对每一个分出的词，将其输入CBOW模型，得到每一个所述分出的词的词向量；
[0072] 步骤S1103：将对所述网页文本分出的词中与预设的概念词库中的概念词相同的词，作为对所述目标用户的用户概念词；
[0073] 步骤S1104：将对所述网页文本分出的词中除了所述用户概念词以外的词，作为对所述目标用户的行为文本词；
[0074] 步骤S1105：基于所述用户概念词与所述行为文本词的匹配，确定所述目标用户的用户标签向量。
[0075] 用户标签向量是指依照预定规则，对目标用户的每一用户概念词分别进行数字化衡量后，由这一组数字依序组成的向量。
[0076] 通过这种方法，实现了对目标用户的用户概念词的数字化衡量。
[0077] 在一实施例中，对网页文本进行分词之后，得到各个词汇。对每个独特的词汇，将其表示为【0,0,…,1,0,…,0】离散式的词向量。每个词向量的维度等于分出的词中独特的词汇的个数。离散式的词向量赋值直接简单，但无法体现词与词之间的关系。对输入的离散式的词向量，CBOW模型会根据已知的上下文输出当前输入词汇出现的概率，在该模型的输出之中有一项副产物参数，为当前输入词汇的分布式词向量，例如【0.8,…,-1.3,0.5,…,1.4】。这样就能够通过向量间的余弦距离衡量出词与词间的相似程度。因此，对每一个分出的词，先将其赋值为离散式的词向量，再将其输入CBOW模型中，从而得到分布式的词向量。
[0078] 在一实施例中，对所述网页文本进行分词后，得到的词汇有“跑步”、“游泳”、“饮食”、“运动”、“牛排”、“月饼”。预设的概念词库中有“运动”、“饮食”、“购物”这些词，则所述目标用户的用户概念词为“运动”、“饮食”，行为文本词为“跑步”、“游泳”、“牛排”、“月饼”。
[0079] 在一实施例中，如图4所示，步骤S1105包括：
[0080] 步骤S11051：对每一所述用户概念词，确定所有所述行为文本词的词向量与该所述用户概念词的词向量的余弦距离平均值；
[0081] 步骤S11052：根据预先对所述用户概念词的排序，对每一所述用户概念词，依次将其对应的所述余弦距离平均值作为一向量元素进行排列，将排列完毕的所述向量元素封装为所述目标用户的用户标签向量。
[0082] 在一实施例中，对所有分出的词都得到了分布式的词向量，且对用户概念词，按照拼音字母的顺序对其进行排序，即用户概念词的顺序为：“饮食”、“运动”。对用户概念词“饮食”，确定所有行为文本词的词向量与“饮食”的词向量的余弦距离平均值，得到的余弦距离平均值为0.2。对用户概念词“运动”，确定所有行为文本词的词向量与“运动”的词向量的余弦距离平均值，得到的余弦距离平均值为0.6。按照预先对用户概念词排好的顺序，将得到的余弦距离平均值作为向量元素进行排列，再封装为所述目标用户的用户标签向量：【0.2,0.6】。
[0083] 在步骤S120中，对每一金融产品，获取对所述金融产品进行描述的说明文本。
[0084] 说明文本是指对金融产品进行详细说明、描述的文本。
[0085] 通过获取对所述金融产品进行描述的说明文本，使得服务器能够根据所述说明文本对所述金融产品进行所适用用户群体的判断。
[0086] 在步骤S130中，基于所述说明文本，确定所述每一金融产品的产品标签向量。
[0087] 在一实施例中，如图5所示，步骤S130包括：
[0088] 步骤S1301：对所述说明文本进行分词；
[0089] 步骤S1302：对每一个分出的词，将其输入CBOW模型，得到每一个所述分出的词的词向量；
[0090] 步骤S1303：将与所述用户概念词相同的词，作为对所述金融产品的产品概念词；
[0091] 步骤S1304：将对所述说明文本分出的词中除了所述产品概念词以外的词，作为对所述金融产品的描述文本词；
[0092] 步骤S1305：基于所述产品概念词与所述描述文本词的匹配，确定所述金融产品的产品标签向量。
[0093] 产品标签向量是指依照预定规则，对金融产品的每一产品概念词分别进行数字化衡量后，由这一组数字依序组成的向量。
[0094] 通过这种方法，实现了对金融产品的产品概念词的数字化衡量。
[0095] 在一实施例中，对所述说明文本进行分词之后，对每一个分出的词，先将其赋值为离散式的词向量，再将其输入CBOW模型中，从而得到分布式的词向量。
[0096] 在一实施例中，对所述说明文本进行分词后，得到的词汇有“收益”、“跑步”、“运动”、“饮食”、“健身”、“膳食”。由于所述目标用户的用户概念词为“运动”、“饮食”，所述金融产品的产品概念词同样为“运动”、“饮食”，则所述金融产品的描述文本词为“收益”、“跑步”、“健身”、“膳食”。
[0097] 在一实施例中，如图6所示，步骤S1305包括：
[0098] 步骤S13051：对每一所述产品概念词，确定所有所述描述文本词的词向量与该所述产品概念词的词向量的余弦距离平均值；
[0099] 步骤S13052：根据预先对所述产品概念词的排序，对每一所述产品概念词，依次将其对应的所述余弦距离平均值作为一向量元素进行排列，将排列完毕的所述向量元素封装为所述金融产品的产品标签向量。
[0100] 在一实施例中，对所有分出的词都得到了分布式的词向量，且对产品概念词，按照拼音字母的顺序对其进行排序，即产品概念词的顺序为：“饮食”、“运动”。对产品概念词“饮食”，确定所有描述文本词的词向量与“饮食”的词向量的余弦距离平均值，得到的余弦距离平均值为-0.3。对产品概念词“运动”，确定所有描述文本词的词向量与“运动”的词向量的余弦距离平均值，得到的余弦距离平均值为0.5。按照预先对产品概念词排好的顺序，将得到的余弦距离平均值作为向量元素进行排列，再封装为所述目标用户的用户标签向量：【-0.3,0.5】。
[0101] 在步骤S140中，基于所述用户标签向量与所述产品标签向量的匹配结果，向所述目标用户推送金融产品。
[0102] 在一实施例中，如图7所示，步骤S140包括：
[0103] 步骤S1401：对每一所述金融产品，确定所述金融产品对应的产品标签向量与所述目标用户对应的用户标签向量的余弦距离值；
[0104] 步骤S1402：将所述余弦距离值按照从大到小进行排序，将最大的余弦距离值所对应的所述金融产品推送给所述目标用户。
[0105] 在一实施例中，目标用户对应的用户标签向量为【0.2,0.6】，金融产品A对应的产品标签向量为【0.3,0.5】，金融产品B对应的产品标签向量为【-0.3,0.2】，金融产品C对应的产品标签向量为【0.1,0.7】。计算出金融产品A、B、C分别对应的产品标签向量与目标用户对应的用户标签向量的余弦距离分别为0.976、0.263、0.983。金融产品C对应的产品标签向量与目标用户对应的用户标签向量的余弦距离最大，则将金融产品C推送给所述目标用户。
[0106] 在一实施例中，如图2所示，提供了一种基于数据分析的金融产品推荐装置，具体包括：
[0107] 第一获取模块210，用于获取目标用户浏览过的网页文本；
[0108] 第一确定模块220，用于基于所述网页文本，确定所述目标用户的用户标签向量；
[0109] 第二获取模块230，用于对每一金融产品，获取对所述金融产品进行描述的说明文本；
[0110] 第二确定模块240，用于基于所述说明文本，确定所述每一金融产品的产品标签向量；
[0111] 匹配模块250，用于基于所述用户标签向量与所述产品标签向量的匹配结果，向所述目标用户推送金融产品。
[0112] 上述装置中各个模块的功能和作用的实现过程具体详见上述基于数据分析的金融产品推荐方法中对应步骤的实现过程，在此不再赘述。
[0113] 应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
[0114] 此外，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。
[0115] 通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的方法。
[0116] 图8示出根据本公开一示例实施方式的基于数据分析的金融产品推荐的系统架构图。该系统架构包括：目标用户客户端310、服务器320、数据库330。
[0117] 在一实施例中，对一目标用户，目标用户客户端310于服务器320上进行各类请求、操作，比如浏览网页。服务器320提取日志中用户客户端310于预定时间段内浏览网页的记录，并获取对应的所述网页，根据所述网页确定目标用户客户端310的标签向量。服务器320提取数据库330中存储的各个金融产品的说明文本，根据所述说明文本确定各个金融产品的产品向量。服务器320根据所述标签向量与所述产品向量，将目标用户与金融产品进行匹配，从而对目标用户进行金融产品的推送。
[0118] 通过以上对系统架构的描述，本领域的技术人员易于理解，这里描述的系统架构能够实现图2所示的基于数据分析的金融产品推荐装置中各个模块的功能。
[0119] 在本公开的示例性实施例中，还提供了一种能够实现上述方法的电子设备。
[0120] 所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
[0121] 下面参照图9来描述根据本发明的这种实施方式的电子设备400。图9显示的电子设备400仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
[0122] 如图9所示，电子设备400以通用计算设备的形式表现。电子设备400的组件可以包括但不限于：上述至少一个处理单元410、上述至少一个存储单元420、连接不同系统组件(包括存储单元420和处理单元410)的总线430。
[0123] 其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元410执行，使得所述处理单元410执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元410可以执行如图1中所示步骤S100：获取目标用户于预定时间段内浏览过的网页文本；步骤S110：基于所述网页文本，确定所述目标用户的用户标签向量；步骤S120：对每一金融产品，获取对所述金融产品进行描述的说明文本；步骤S130：基于所述说明文本，确定所述每一金融产品的产品标签向量；步骤S140：基于所述用户标签向量与所述产品标签向量的匹配结果，向所述目标用户推送金融产品。
[0124] 存储单元420可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)4201和/或高速缓存存储单元4202，还可以进一步包括只读存储单元(ROM)4203。
[0125] 存储单元420还可以包括具有一组(至少一个)程序模块4205的程序/实用工具4204，这样的程序模块4205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
[0126] 总线430可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
[0127] 电子设备400也可以与一个或多个外部设备500(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备400交互的设备通信，和/或与使得该电子设备400能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口450进行。并且，电子设备400还可以通过网络适配器460与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器460通过总线430与电子设备400的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备400使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
[0128] 通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。
[0129] 在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。
[0130] 参考图10所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品600，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
[0131] 所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
[0132] 计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
[0133] 可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
[0134] 可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
[0135] 此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 基于大数据的电商客户关怀短信推送方法 | 2020-05-08 | 104 |
| 精准征兵大数据辅助决策系统 | 2020-05-08 | 41 |
| 基于电力大数据的经济预警分析方法 | 2020-05-08 | 112 |
| 大数据量Excel文件导出方法、装置、计算机设备及存储介质 | 2020-05-08 | 182 |
| 基于大数据实时网络流量异常检测方法 | 2020-05-08 | 208 |
| 基于大数据的光储发电系统 | 2020-05-08 | 1003 |
| 一种基于大数据的关键信息内容匹配识别的方法 | 2020-05-08 | 147 |
| 数据上报方法与装置 | 2020-05-08 | 912 |
| 面向慢性病康复的精准运动大数据智能预测、分析及优化系统 | 2020-05-08 | 582 |
| 一种基于客户画像的客户诉求自动预警系统 | 2020-05-08 | 815 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
QQ群二维码
意见反馈
意见反馈