金融产品推荐方法、装置、计算机设备及存储介质与流程

本申请涉及数据分析中的智能推荐领域，尤其涉及一种金融产品推荐方法、装置、计算机设备及存储介质。

背景技术：

随着手机等智能终端设备的快速发展，随之而起的各类应用app也越来越多，诸如一账通app都具有广泛的应用，为了使得产品信息得到快速推广，在用户使用上述app的时候，常常会使用一些推荐算法对通过app向用户推荐相关内容，尤其是涉及到金融相关产品的推荐，目前，传统一种的常用的是获取用户的在个平台的使用记录，并通过协同推荐算法对该用户推荐用户可能感兴趣的产品。

在对传统技术的研究和实践过程中发现，尽管上述传统算法取得了一定效果，可以为用户推荐该用户可能感兴趣的内容，但它具有如下一些局限性，首先，金融产产品涉及的产品众多，诸如各类保险产品，期货产品、理财产品等，各种金融产品的费用差距也比较大，因此通过用户的兴趣作为参考点的方式比较单一，在面对众多产品时，不能的从金融产品自身的属性去进行推荐，因此，这类推荐算法的有效性和适用性受到一定的限制。

技术实现要素：

本申请提供了一种金融产品推荐方法、装置、计算机设备及存储介质，提高了金融产品的推荐有效性，提高了整体推荐适用性。

一种金融产品推荐方法，包括：

获取金融产品集中的金融产品数据，和用户历史投资数据；

根据协作推荐算法和所述用户历史投资数据，确定所述用户从所述金融产品集中购买第一金融产品时第二金融产品被推荐的概率，所述第一金融产品和所述第二金融产品为金融产品集中不同的金融产品，所述第二金融产品为所述为金融产品集中除所述第一金融产品外剩余的金融产品；

根据所述金融产品数据确定所述金融产品集中所述第一金融产品和所述第二金融产品的产品关系；

根据所述概率和所述产品关系从所述第二金融产品中确定出目标金融产品；

向所述用户推荐所述目标金融产品。

一种金融产品推荐装置，包括：

获取模块，用于获取金融产品集中的金融产品数据，和用户历史投资数据；

第一确定模块，用于根据协作推荐算法和所述获取模块获取的所述用户历史投资数据，确定所述用户从所述金融产品集中购买第一金融产品后第二金融产品被推荐的概率，所述第一金融产品和所述第二金融产品为金融产品集中不同的金融产品，所述第二金融产品为所述为金融产品集中除所述第一金融产品外剩余的金融产品；

第二确定模块，用于根据所述获取模块获取的所述金融产品数据确定所述金融产品集中所述第一金融产品和所述第二金融产品的产品关系；

第三确定模块，用于根据所述第一确定模块确定的所述概率和所述第二确定模块确定的所述产品关系从所述第二金融产品中确定出目标金融产品；

推荐模块，用于向所述用户推荐所述第三确定模块确定的所述目标金融产品。

一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述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上述金融产品推荐方法的步骤。一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述金融产品推荐方法的步骤。

上述金融产品推荐方法、装置、计算机设备及存储介质所实现的方案中，可以看出，本方案不是简单通过协作推荐算法向用户推荐相关金融产品，而是融合了金融产品之间的产品关系进行综合推荐，通过用户金融产品内容两者为用户推荐金融产品，提高了金融产品的推荐有效性，提高了整体推荐适用性。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例的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申请的一些实施例，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是本申请中一种金融产品推荐方法一个系统框架示意图；

图2是本申请中一种金融产品推荐方法一个实施例流程示意图；

图3是本申请中一种金融产品推荐方法另一实施例流程示意图；

图4是本申请中一种金融产品推荐方法另一实施例流程示意图；

图5是本申请中一种金融产品推荐方法另一实施例流程示意图；

图6是本申请中一种金融产品推荐方法另一实施例流程示意图；

图7是本申请中一种金融产品推荐装置一个实施例结构示意图；

图8是本申请中一种计算机设备一个实施例结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。

本申请提供的金融产品推荐方法，可应用在如图1的系统框架图中，其中，金融产品推荐装置可获取金融产品集的金融产品数据和用户历史投资数据，来确定用于向用户推荐目标金融产品，包括：获取金融产品集中的金融产品数据，和用户历史投资数据；根据协作推荐算法和所述用户历史投资数据，确定所述用户从所述金融产品集中购买第一金融产品后第二金融产品被推荐的概率，所述第一金融产品和所述第二金融产品为金融产品集中不同的金融产品，所述第二金融产品为所述为金融产品集中除所述第一金融产品外剩余的金融产品，根据所述金融产品数据确定所述金融产品集中所述第一金融产品和所述第二金融产品的产品关系；根据所述概率和所述产品关系从所述金融产品集中确定出目标金融产品；向所述用户推荐所述目标金融产品。由以上技术方案可看出，本方案不是简单通过协作推荐算法向用户推荐相关金融产品，而是融合了金融产品之间的产品关系进行综合推荐，通过用户金融产品内容两者为用户推荐金融产品，提高了金融产品的推荐有效性，提高了整体推荐适用性。

下面进行详细的描述，如图2所示，提供一种金融产品推荐方法，具体包括如下步骤：

s10、获取金融产品集中的金融产品数据，和用户历史投资数据；

金融产品是指具有经济价值可进行公开交易或兑现的非实物资产，也称为有价证券，示例性的，包括但不局限于、汇票产品、基金产品、股票产品、期货产品、债券产品、黄金产品、理财产品、保险产品。当然，在本申请中，也指未来出现的新型的理财产品。其中，金融产品集在这里是一个集合概念，金融产品集是指包括了上述金融产品中，其中一类金融产品的集合，具体本方案不做限定，例如，债券产品所构成的金融产品集合，也可以是保险产品所构成的金融产品集合等，这里不做具体限定。

获取金融产品集中的金融产品数据是指金融产品集中的金融产品对应的产品属性信息。示例性的，对于一个债券产品而言，它的属性信息主要包括涨幅、现价、战爹、买入价、卖出价、总量、均价、活跃度等等。对于其他金融产品，例如保险金融产品，它的属性信息主要包括价格、保险额度、保险类型等等，这里不对所有金融产品的属性信息一一展开描述，具体这里不做限定。

用户历史投资数据是指，上述金融产品集中，与用户历史投资关联的数据，例如，用户针对某一金融产品的交易操作历史数据、用户关注历史记录等，具体这里不做限定，也不一一赘述。

s20、根据协作推荐算法和用户历史投资数据，确定用户从金融产品集中购买第一金融产品后第二金融产品被推荐的概率，第一金融产品和第二金融产品为金融产品集中不同的金融产品，第二金融产品为为金融产品集中除所述第一金融产品外剩余的所有金融产品；

其中，第一金融产品和第二金融产品为金融产品集中任意两个不相同的金融产品，第二金融产品为为金融产品集中除所述第一金融产品外剩余的所有金融产品。协作推荐算法，是指常规基于协作的推荐算法，具体本申请采取何种协作推荐算法这里不做限定。为了便于理解和提高方案的可实施性，这里列举其中一种基于协作的推荐算法。假设有n种金融产品，则用户的购买金融产品的历史记录可由下表示：

用户购买金融产品历史记录

那么则可利用用户历史数据建立矩阵，如下所示：

其中，a表示投资了某第一金融产品的用户数，b表示金融产品的种类，1表示购买，0表示未购买。

采用余弦法计算用户在投资第一金融产品后，投资第二金融产品的可能性，也就是确定用户从金融产品集中购买第一金融产品后第二金融产品会被推荐的概率，可采用如下公式：

其中，x表示第一金融产品的用户历史投资数据，xi具体表示了用户i购买第一金融产品的历史投资数据，y表示了第二金融产品的用户历史投资数据，yi表示了用户i购买第二金融产品的历史投资数据。需要说明的是，上述列举的协作推荐算法，在这里只是示例性描述，在本方案的应用场景中，可有其他的协作推荐算法从金融产品集中购买第一金融产品时第二金融产品被推荐的概率，在此时，对应的用户历史投资数据也可根据采用的协作推荐算法进行选取，具体本申请不做限定。

s30、根据金融产品数据确定金融产品集中第一金融产品和第二金融产品的产品关系；

在本申请中，在得到了金融产品数据后，可确定金融产品集中关于第一金融产品和第二金融产品的产品关系，需要说明的是，上述产品关系指的是，用于标识第一金融产品和第二金融产品相关联的关系。

s40、根据概率和产品关系从第二金融产品中确定出目标金融产品；

本步骤中，在确定用户从金融产品集中购买第一金融产品后第二金融产品被推荐的概率，以及第一金融产品与第二金融产品的产品关系后，也即，在确定用户从金融产品集中购买第一金融产品后金融产品集合中其他剩余金融产品被推荐的概率，以及第一金融产品与金融产品集合中其他剩余金融产品的产品关系后，进一步根据上述概率和产品关系从第二金融产品中确定出目标金融产品，也即，根据上述概率和产品关系从金融产品集中确定出除第一金融产品外，其他剩余金融产品中确定出出目标金融产品，也就是说，本方案综合考虑了第一金融产品后第二金融产品被推荐的概率以及产品关系，并确定出目标金融产品。

s50、向用户推荐目标金融产品。

在根据概率和产品关系从金融产品集中确定出目标金融产品后，向用户推荐上述金融产品。

由以上技术方案可看出，本方案不是简单通过协作推荐算法向用户推荐相关金融产品，而是融合了金融产品之间的产品关系进行综合推荐，通过用户金融产品内容两者为用户推荐金融产品，提高了金融产品的推荐有效性，提高了整体推荐适用性。

在一实施例中，在获取了金融产品集中的金融产品数据后，还包括对获取到的金融产品数据进行数据清洗的过程。应理解，以债券产品为例，债券产品中并不是每个属性信息都具有关键的作用，对于后续的推荐并不是具有参考性，因此，在获取了金融产品集中的金融产品数据后，为了减少不必要的计算量，这里会对获取的金融产品数据进行一个数据清洗的过程，其中，包括脏数据处理和规则处理，下面展开描述。

脏数据是指，对后续处理无意义或数据格式非法的金融产品数据。在获取的金融产品数据的源数据中，无意义的数据一般是空值，其次是与对应金融产品业务无关的数据，例如，在描述金融产品属性信息的数据表中，出现了电子产品的信息，这里数据明显是毫无意义的数据，该类数据会对后续分析代爱来工作量，因此有必要进行清除。另外，空值数据一般分为两种，一类是缺失值数据和纯空值数据，缺失值是指没有该值的数据记录，例如金融产品大部分有产品编号，但从数据库中获取的某些金融产品的编号字段可能为空，这就是缺失值。纯空值数据是指不存在而为空的数据，例如金融产品的上市时间等。非法数据格式的金融产品数据是指在日期格式、数据类型、单位表示混乱等数据。

规则处理是指，对获取的金融产品数据进行脏数据处理后，对脏数据处理后的金融产品数据进行规则化处理。为了能够对不同金融产品数据源，不同表的数据进行表示，本申请可采取列对象表示方法，将来自多个源头的金融产品数据记录成一个对象，简化了数据记录的表示方式，每一列表示了对象数据的一种属性信息。通过列对象表示方法，能够快速的记录数据属性信息。

在一实施例中，如图3所示，步骤s30中，也即根据金融产品数据确定金融产品集中第一金融产品和第二金融产品的产品关系，具体包括如下步骤：

s31、根据金融产品数据构建金融产品集中第一金融产品和第二金融产品的特征向量；

假设任意金融产品都是由一个n维向量表示，n维向量则表示金融产品的属性信息个数，则上述n维向量则是表示上述任意金融产品对应的特征向量。同理，在本申请中，可以根据金融产品数据确定出第一金融产品和第二金融产品相对应的属性信息和属性信息个数，从而分别构建第一金融产品以及第二金融产品对应的特征向量。

s32、根据第一金融产品和第二金融产品的特征向量确定第一金融产品和第二金融产品的相似度；

s33、将第一金融产品和第二金融产品的相似度作为第一金融产品和第二金融产品的产品关系。

在建立上述第一金融产品以及第二金融产品的特征向量后，可以根据一金融产品以及第二金融产品的特征向量确定出第一金融产品和第二金融产品的相似性，并将上述第一金融产品和第二金融产品的相似性作为上述产品关系。

需要说明的是，这里提出了具体一种将相似性作为产品关系的方式，但在其他应用场景中，还可以有其他的产品关系，具体不做限定，示例性的，可以确定出第一金融产品和第二金融产品之间在金融产品集中的地位性，其中，第一金融产品和第二金融产品之间在金融产品集中的地位性由特征向量中心确定的，将金融产品集看作一金融产品网络，特征向量中心依据金融产品集构成的金融产品网络中每个金融产品节点的相连边的数量和权值来赋值，换句话说，一个金融产品节点的地位性是由该金融产品节点相连的数量和对应的权值决定的。对于拥有n种金融产品的金融产品网络，则包括n个金融产品节点和n*(n-1)/2条边，则利用上述计算相似性的方式确定出任意金融产品之间的距离，而每个金融产品节点表示一个金融产品，金融产品与金融产品之间的边表示权值，范围在0-1，因此，可以建立金融产品集的无向完全图，将上述无向完全图作为金融产品之间的产品关系，也即可以得到第一金融产品与第二金融产品之间的产品关系。

在一实施例中，如图4所示，步骤s32中，也即根据第一金融产品和第二金融产品的特征向量确定第一金融产品和第二金融产品的相似度，具体包括如下步骤：

s32`、根据以下公式确定第一金融产品和第二金融产品的相似度：

其中，其中，所述s(i,j)表示第一金融产品和所述第二金融产品的相似度，所述i表示所述第一金融产品，所述j表示所述第二金融产品，所述fi[k]表示所述第一金融产品的第k个特征向量，所述fj[k]表示所述第二金融产品的第k个特征向量，所述第k个特征向量指的是所述第一金融产品和所述第二金融产品中相同种类的特征向量，所述m表示所述第一金融产品以及所述第二金融产品所取的特征向量总数，m大于或等于2。需要说明的是，上述m的取值，由前述步骤构建第一金融产品和第二金融产品的特征向量时确定，取决于上述构建第一金融产品和第二金融产品的特征向量时的个数确定，具体这里不做限定。

另外需要说明的是，由于同类金融产品都大同小异，变化范围小，因此本申请中采用欧式距离计算金融产品集中金融产品之间的相似性。并且在一些应用场景中，为了使得金融产品之间的内在关系得以体现，还可以通过反欧式距离的计算方式对上述相似性进行归一化结果处理，具体这里不做限定。

在一实施例中，如图5所示，步骤s40中，也即根据概率和产品关系从金融产品集中确定出目标金融产品，包括如下步骤：

s41、根据概率和产品关系确定第一金融产品相对于第二个金融产品的综合推荐度；

本步骤中，在确定用户从金融产品集中购买第一金融产品时第二金融产品被推荐的概率，以及第一金融产品和第二金融产品的产品关系后，可以进一步根据上述概率和产品关系确定第一金融产品相对于第二金融产品的综合推荐度。需要说明的是，上述综合推荐度也可以这么理解，是指依据上述产品关系，用户购买第一金融产品时，第二金融产品被推荐的概率。

s42、根据综合推荐度对金融产品集中的金融产品进行排序；

在经过步骤s41后，可以得到金融产品集中所有金融产品的综合推荐度，因此，在本步骤中，根据综合推荐度的大小对金融产品集中所有金融产品的进行一个排序，得到金融产品排序结果。

s43、从金融产品集中取排序靠前预设位数的金融产品作为目标金融产品。

在金融排序后，从金融产品集中取排序靠前预设位数的金融产品作为目标金融产品。其中预设位数可以根据实际应用情况以及金融产品集的金融产品总数金融确定，具体这里不做限定。示例性的，预设位数可以是指10位，也就是，从金融产品集中取排序靠前10位的金融产品作为目标金融产品。

在一实施例中，如图6所示，步骤s41中，也即根据概率和产品关系确定第一金融产品相对于第二个金融产品的综合推荐度，具体包括如下步骤：

s41`、根据以下公式确定第一金融产品相对于第二个金融产品的综合推荐度：

rc(i,j)＝σ*u(i,j)+(1-σ)*s(i,j),1≤i,j≤n,i≠j,0≤σ≤1；

其中，所述i表示所述第一金融产品，所述j表示第二金融产品，所述rc(i,j)表示所述第一金融产品相对于所述第二金融产品的综合推荐度，所述u(i,j)表示所述概率，所述s(i,j)表示所述第一金融产品和所述第二金融产品的产品关系，所述σ表示混合参数。

可以理解，这里提出了具体一种确定第一金融产品相对于第二个金融产品的综合推荐度的具体方式，提高了方案的实施性。其中，σ决定了用户从金融产品集中购买第一金融产品时第二金融产品被推荐的概率，和金融产品集中第一金融产品和第二金融产品的产品关系，也就是金融产品内容在推荐中的占比，可以根据实际应用场景进行配置，这里也不做限定。本方案不是简单通过协作推荐算法向用户推荐相关金融产品，而是融合了金融产品之间的产品关系进行综合推荐，通过用户金融产品内容两者为用户推荐金融产品，提高了金融产品的推荐有效性，提高了整体推荐适用性。

在一实施例中，步骤s50之前，也即向用户推荐目标金融产品之前，该金融产品推荐方法还包括如下步骤：

s60、确定用户的用户权限；

步骤s50中，也即向用户推荐目标金融产品，具体包括如下步骤：

当用户的用户权限满足预设权限等级时，以优惠价格向用户推荐目标金融产品。

也就说，在本申请中，为每个用户设置了对应的用户权限，当用户的用户权限满足预设权限等级时，以优惠价格向用户推荐目标金融产品。以具体的应用场景为例，假设用户使用平安一账通app，该一账通app，当用户通过购买等方式获得较高的用户等级时，一账通app在推荐上述目标金融产品时，会以优惠的价格向用户推荐，以使得用户可以以优惠的价格购入上述目标金融产品，一方面可以为用户推荐合适的金融产品，另一方面，通过用户权限等级与优惠仅限绑定的方式，可以起到推广app的目的，提高app推广率。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

在一实施例中，提供一种金融产品推荐装置，该金融产品推荐装置与上述实施例中金融产品推荐方法一一对应。如图7所示，该金融产品推荐装置70包括获取模块701、第一确定模块702、第二确定模块703、第三确定模块704和推荐模块705。各功能模块详细说明如下：

获取模块701，用于获取金融产品集中的金融产品数据，和用户历史投资数据；

第一确定模块702，用于根据协作推荐算法和所述获取模块701获取的所述用户历史投资数据，确定所述用户从所述金融产品集中购买第一金融产品后第二金融产品被推荐的概率，所述第一金融产品和所述第二金融产品为金融产品集中不同的金融产品，所述第二金融产品为所述为金融产品集中除所述第一金融产品外剩余的金融产品

第二确定模块703，用于根据所述获取模块701获取的所述金融产品数据确定所述金融产品集中所述第一金融产品和所述第二金融产品的产品关系；

第三确定模块704，用于根据所述第一确定模块702确定的所述概率和所述第二确定模块703确定的所述产品关系从所述第二金融产品中确定出目标金融产品；

推荐模块705，用于向所述用户推荐所述第三确定模块确定的所述目标金融产品。

在一实施例中，所述第二确定模块702具体用于：

根据所述金融产品数据构建所述金融产品集中所述第一金融产品和所述第二金融产品的特征向量；

根据所述第一金融产品和第二金融产品的特征向量确定所述第一金融产品和第二金融产品的相似度；

将所述第一金融产品和所述第二金融产品的相似度作为所述第一金融产品和所述第二金融产品的产品关系。

在一实施例中，所述第二确定模块702用于所述根据所述第一金融产品和第二金融产品的特征向量确定所述第一金融产品和第二金融产品的相似度，具体包括：

所述第二确定模块702用于：

根据以下公式确定所述第一金融产品和所述第二金融产品的相似度：

其中，所述i表示所述第一金融产品，所述j表示所述第二金融产品，所述s(i,j)表示第一金融产品和所述第二金融产品的相似度，所述fi[k]表示所述第一金融产品的第k个特征向量，所述fj[k]表示所述第二金融产品的第k个特征向量，所述第k个特征向量指的是所述第一金融产品和所述第二金融产品中相同种类的特征向量，所述m表示所述第一金融产品以及所述第二金融产品的特征向量总数。

在一实施例中，第三确定模块704，具体用于：

根据所述概率和所述产品关系确定所述第一金融产品相对于所述第二金融产品的综合推荐度；

根据所述综合推荐度对所述金融产品集中的金融产品进行排序；

从所述金融产品集中取排序靠前预设位数的金融产品作为所述目标金融产品。

在一实施例中，第三确定模块704用于所述根据所述概率和所述产品关系确定所述第一金融产品相对于所述第二金融产品的综合推荐度，具体包括：

第三确定模块704用于：

根据以下公式确定所述第一金融产品相对于所述第二金融产品的综合推荐度：

rc(i,j)＝σ*u(i,j)+(1-σ)*s(i,j),1≤i,j≤n,i≠j,0≤σ≤1；

其中，所述i表示所述第一金融产品，所述j表示第二金融产品，所述rc(i,j)表示所述第一金融产品相对于所述第二金融产品的综合推荐度，所述u(i,j)表示所述用户从所述金融产品集中购买第一金融产品后第二金融产品被推荐的概率，所述s(i,j)表示所述第一金融产品和所述第二金融产品的产品关系，所述σ表示混合参数。

在一实施例中，在第三确定模块704所述向所述用户推荐所述目标金融产品之前，还用于确定所述用户的用户权限；

所述推荐模块705，所述向所述用户推荐所述目标金融产品，具体用于：

当所述用户的用户权限满足预设权限等级时，以优惠价格向所述用户推荐所述目标金融产品。

由以上技术方案可看出，本方案不是简单通过协作推荐算法向用户推荐相关金融产品，而是融合了金融产品之间的产品关系进行综合推荐，通过用户金融产品内容两者为用户推荐金融产品，提高了金融产品的推荐有效性，提高了整体推荐适用性。

关于金融产品推荐装置的具体限定可以参见上文中对于金融产品推荐方法的限定，在此不再赘述。上述金融产品推荐装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储获取的金融产品数据和用户历史数据等。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种金融产品推荐方法。

在一个实施例中，提供了一种计算机设备，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，处理器执行计算机程序时实现以下步骤：

获取金融产品集中的金融产品数据，和用户历史投资数据；

根据协作推荐算法和所述用户历史投资数据，确定所述用户从所述金融产品集中购买第一金融产品时第二金融产品被推荐的概率，所述第一金融产品和所述第二金融产品为金融产品集中不同的金融产品；

根据所述金融产品数据确定所述金融产品集中所述第一金融产品和所述第二金融产品的产品关系；

根据所述概率和所述产品关系从所述金融产品集中确定出目标金融产品；

向所述用户推荐所述目标金融产品。

由以上技术方案可看出，本方案不是简单通过协作推荐算法向用户推荐相关金融产品，而是融合了金融产品之间的产品关系进行综合推荐，通过用户金融产品内容两者为用户推荐金融产品，提高了金融产品的推荐有效性，提高了整体推荐适用性。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

获取金融产品集中的金融产品数据，和用户历史投资数据；

根据协作推荐算法和所述用户历史投资数据，确定所述用户从所述金融产品集中购买第一金融产品时第二金融产品被推荐的概率，所述第一金融产品和所述第二金融产品为金融产品集中不同的金融产品；

根据所述金融产品数据确定所述金融产品集中所述第一金融产品和所述第二金融产品的产品关系；

根据所述概率和所述产品关系从所述金融产品集中确定出目标金融产品；

向所述用户推荐所述目标金融产品。

由以上技术方案可看出，本方案不是简单通过协作推荐算法向用户推荐相关金融产品，而是融合了金融产品之间的产品关系进行综合推荐，通过用户金融产品内容两者为用户推荐金融产品，提高了金融产品的推荐有效性，提高了整体推荐适用性。

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流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。

以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。