一种理财产品推送方法及装置与流程

1.本技术涉及数据处理技术领域，特别是金融理财产品智能分类以及推送技术领域，具体涉及一种理财产品推送方法及装置。


背景技术：

2.目前，随着银行业的发展，针对客户的各种需求设计的理财产品越来越多，虽然满足了客户的各类需求，但同时也使得产品越来越复杂。一些高净值客户，往往有着组合基金产品定投的需求，产品的繁多使得客户经理在营销的时候，难以区分和准确掌握产品信息，使得往往只推荐自己熟悉的产品，推荐的方案千篇一律，无法精准地个性化地营销客户，推荐产品单一也无法平衡投资风险与投资收益之间的关系，而由于人工无法掌握所有客户的基本信息，导致不能很好的建议客户对产品的投资金额，客户在看到银行种类繁多的产品时，也很难选择合适自身的理财产品，投资金额也是根据自己的主观想法投资，无法做到科学合理的分配投资资金。


技术实现要素：

3.本发明属于大数据技术领域，针对现有技术中的问题，本发明不仅解决客户经理或客户遴选产品的困惑，更明确了投资周期和投资金额，提供给客户一种稳定的投资方式，降低了市场波动影响，平衡了产品收益和投资风险。另外，由于是定期自动推送推荐产品购买给客户，也增加了银行对客户的粘性度。
4.为解决上述技术问题，本发明提供以下技术方案：
5.第一方面，本发明提供一种理财产品推送方法，包括：
6.根据用户属性数据生成用户相似度集合；
7.根据所述用户相似度集合计算每个理财产品的欧氏距离；
8.根据所述欧氏距离确定所述用户对应的待推送理财产品。
9.一实施例中，所述根据用户属性数据生成用户相似度集合包括：
10.根据所述用户的性别、年龄、职业、所在城市、风险等级、月均资产、月均收入、月均支出以及上一年基金交易时间生成所述用户相似度集合。
11.一实施例中，所述根据所述用户相似度集合计算每个理财产品的欧氏距离包括：
12.根据所述用户相似度集合确定待推送理财产品的预选集合；
13.计算所述预选集合中每个理财产品的欧氏距离。
14.一实施例中，所述根据所述用户相似度集合确定待推送理财产品的预选集合包括：
15.在所述用户相似度集合中，选取被用户持有次数大于预设阈值的理财产品；
16.在所述被用户持有次数大于预设阈值的理财产品中，选取被用户持有时间大于预设阈值的理财产品，以生成所述预选集合。
17.一实施例中，所述根据所述欧氏距离确定所述用户对应的待推送理财产品包括：
18.根据所述欧氏距离确定所述预选集合中的每个理财产品的相似度；
19.根据所述相似度确定所述用户对应的待推送理财产品以及对应待推送理财产品的建议购买份额。
20.第二方面，本发明提供一种理财产品推送装置，该装置包括：
21.用户相似度集合生成模块，用于根据用户属性数据生成用户相似度集合；
22.欧式距离计算模块，用于根据所述用户相似度集合计算每个理财产品的欧氏距离；
23.理财产品推送模块，用于根据所述欧氏距离确定所述用户对应的待推送理财产品。
24.一实施例中，所述用户相似度集合生成模块具体用于根据所述用户的性别、年龄、职业、所在城市、风险等级、月均资产、月均收入、月均支出以及上一年基金交易时间生成所述用户相似度集合；
25.所述欧式距离计算模块包括：
26.预选集合确定单元，用于根据所述用户相似度集合确定待推送理财产品的预选集合；
27.欧式距离计算单元，用于计算所述预选集合中每个理财产品的欧氏距离。
28.一实施例中，所述预选集合确定单元包括：
29.理财产品选取单元，用于在所述用户相似度集合中，选取被用户持有次数大于预设阈值的理财产品；
30.预选集合生成单元，用于在所述被用户持有次数大于预设阈值的理财产品中，选取被用户持有时间大于预设阈值的理财产品，以生成所述预选集合；
31.所述理财产品推送模块包括：
32.理财产品相似度确定单元，用于根据所述欧氏距离确定所述预选集合中的每个理财产品的相似度；
33.购买份额建议单元，用于根据所述相似度确定所述用户对应的待推送理财产品以及对应待推送理财产品的建议购买份额。
34.第三方面，本发明提供一种电子设备，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，处理器执行程序时实现理财产品推送方法的步骤。
35.第四方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现理财产品推送方法的步骤。
36.从上述描述可知，本发明实施例提供一种理财产品推送方法及装置，首先根据用户属性数据生成用户相似度集合；接着，根据用户相似度集合计算每个理财产品的欧氏距离；最后根据欧氏距离确定用户对应的待推送理财产品。本发明提供理财产品相似度的产品分析加工方法，在基于相似客户基金产品智能推荐方案中，根据客户交互时间、交互位次、交互方向、商品流行度、客户热度等因素以不同维度与算法计算产品间相似度，以便全面衡量产品间相似度同时减少热门产品影响，有效改善推荐系统倾向于推荐少数热门产品的问题，满足客户的个性化需求。
附图说明
37.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，下面将对实施例或现有技术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的前提下，还可以根据这些附图获得其他的附图。
38.图1为本发明的实施例中理财产品推送方法的流程示意图；
39.图2为本发明的实施例中步骤100的流程示意图；
40.图3为本发明的实施例中步骤200的流程示意图；
41.图4为本发明的实施例中步骤201的流程示意图；
42.图5为本发明的实施例中步骤300的流程示意图；
43.图6为本发明的具体实施方式中基金组合产品智能推荐系统的方块图；
44.图7为本发明的具体实施方式中数据采集装置的方块图；
45.图8为本发明的具体实施方式中数据存储装置的方块图；
46.图9为本发明的具体实施方式中方案预测装置的方块图；
47.图10为本发明的具体实施方式中方案推送装置的方块图；
48.图11为本发明的具体实施方式中理财产品推送方法的流程示意图；
49.图12为本发明的具体实施方式中理财产品推送定系统的方块图；
50.图13为本发明的实施例中欧式距离计算模块20的结构示意图；
51.图14为本发明的实施例中预选集合确定单元201的结构示意图；
52.图15为本发明的实施例中理财产品推送模块30的结构示意图；
53.图16为本发明的实施例中的电子设备的结构示意图。
具体实施方式
54.为使本发明实施例的目的、技术方案和优点更加清楚，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、完整的描述，显然，所描述的实施例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。
55.本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd
‑
rom、光学存储器等)上实施的计算机程序产品的形式。
56.需要说明的是，本技术的说明书和权利要求书及上述附图中的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
57.需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本技术。
58.本发明的实施例提供一种理财产品推送方法的具体实施方式，参见图1，该方法具
体包括如下内容：
59.步骤100：根据用户属性数据生成用户相似度集合。
60.具体地，首先对客户属性集合进行数据清洗，调整数据格式不一致的数据，去除属性值为空的数据。接着，从客户属性集合中按不同数据类型，即离散，连续，文本类型进行划分，并将具有实际数据数值化处理。例如：性别男和女，可转换为数值1和2表示，将时间数据转化为可以用于计算的离散值或连续值。根据客户近一年每月月末资产，计算出客户月均资产，根据客户近一年的收入支出明细，计算出月均收入和月均支出，指标计算公式为：
[0061][0062]
接着，筛选出高净值客户，即月均资产大于50万的客户。通过客户近一年基金交易记录时间，统计出每个客户每月交易频率最高的日期，作为目标客户每月定投推送推荐方案的日期。分别计算样本客户cosine相似度，作为客户与客户之间相似度，每个客户都有一个相似客户集合，存储到客户相似度集合空间中。
[0063]
步骤200：根据所述用户相似度集合计算每个理财产品的欧氏距离。
[0064]
在数学中，欧氏距离是欧几里得空间中两点间“普通”(即直线)距离。即m维空间中两个点之间的真实距离，或者向量的自然长度(即该点到原点的距离)。具体地，二维平面上两点a(x1,y1)与b(x2,y2)间的欧氏距离：
[0065][0066]
三维空间两点a(x1,y1,z1)与b(x2,y2,z2)间的欧氏距离：
[0067][0068]
两个n维向量a(x11,x12,
…
,x1n)与b(x21,x22,
…
,x2n)间的欧氏距离：
[0069][0070]
也可以用表示成向量运算的形式：
[0071]
步骤200在实施时，对欧氏距离进行了优化，首先对坐标加权，使变化较大的坐标比变化较小的坐标有较小的权系数，这就产生了各种距离。当各个分量为不同性质的量时，“距离”的大小与指标的单位有关。将样品的不同属性(即各指标或各变量)之间的差别等同看待(这一点有时不能满足实际要求。没有考虑到总体变异对距离远近的影响)。
[0072]
步骤300：根据所述欧氏距离确定所述用户对应的待推送理财产品。
[0073]
具体地，利用欧氏距离确定理财产品的相似度，并以此对理财产品进行筛选，并将筛选结果推送至目标用户。
[0074]
从上述描述可知，本发明实施例提供一种理财产品推送方法，首先根据用户属性数据生成用户相似度集合；接着，根据用户相似度集合计算每个理财产品的欧氏距离；最后根据欧氏距离确定用户对应的待推送理财产品。本发明提供了一种结合产品相似度集合的基金组合产品智能推荐方法，基于客户自然属性计算出相似客户的投资方式，得到组合基金推荐产品，并基于客户的收入支出情况使用中位数算法计算产品投资金额比重，从而计
算出组合产品的推荐购买金额。
[0075]
一实施例中，参见图2，步骤100进一步包括：
[0076]
步骤101：根据所述用户的性别、年龄、职业、所在城市、风险等级、月均资产、月均收入、月均支出以及上一年基金交易时间生成所述用户相似度集合。
[0077]
具体地，客户a与b的相似度：
[0078][0079]
i为第i个属性，k为客户属性总数，这里属性主要包括性别、年龄、职业、所在城市、风险等级、月均资产、月均收入、月均支出，近一年基金交易时间。
[0080]
一实施例中，参见图3，步骤200进一步包括：
[0081]
步骤201：根据所述用户相似度集合确定待推送理财产品的预选集合；
[0082]
步骤202：计算所述预选集合中每个理财产品的欧氏距离。
[0083]
在步骤201以及步骤202中，首先剔除样本客户的客户相似度集合中，相似度小于0.5的客户，取剩余客户集合中，近一年持有基金中基金收益率最高的前10名客户的投资基金产品并集。对数据采集中的数据进行加工处理，获得加工后的数据，并且将加工后的数据加入第一属性集合，形成第二属性集合。
[0084]
作为一个示例，在本步骤中，统计每个产品在第一属性集合中出现的次数；分别统计每个客户持有各个产品的时间(即时间长度)；按持有时间对客户持有产品进行排序。
[0085]
例如，客户甲持有a，b，c，d四种产品，按照持有时间进行排序后为：b，a，d，c。然后分别记录排序后产品的位置，即a：2，b：1，c：4，d：3，将以上加工数据加入第一属性集合，形成第二属性集合。分别计算第二属性集合中每个产品间的欧氏距离，作为产品空间相似度，并保存到产品空间相似度集合中。
[0086]
一实施例中，参见图4，步骤201进一步包括：
[0087]
步骤2011：在所述用户相似度集合中，选取被用户持有次数大于预设阈值的理财产品；
[0088]
步骤2012：在所述被用户持有次数大于预设阈值的理财产品中，选取被用户持有时间大于预设阈值的理财产品，以生成所述预选集合。
[0089]
在步骤2011以及步骤2012中，首先统计每个产品在第一属性集合中出现的次数；并按照预设阈值初次筛选，接着，分别统计每个客户持有各个产品的时间(即时间长度)；按持有时间对客户持有产品进行排序。
[0090]
一实施例中，参见图5，步骤300进一步包括：
[0091]
步骤301：根据所述欧氏距离确定所述预选集合中的每个理财产品的相似度；
[0092]
例如商品x和商品y的相似度i为第i个属性，k为商品属性总数，商品属性包括第二属性集合中所有属性。
[0093]
步骤302：根据所述相似度确定所述用户对应的待推送理财产品以及对应待推送
理财产品的建议购买份额。
[0094]
查询客户持有产品列表。并根据步骤301得出产品相似度结果，按相似度排序后，取与客户持有产品列表最相似的预设数量的产品以及该产品的建议购买份额。
[0095]
本发明提供了一种结合产品相似度集合的基金组合产品智能推荐方法，通过本发明可以自动向客户输出更加精准投资方案，满足客户个性化的需求，有效提升银行对客户的营销力度和粘性。
[0096]
在一种具体实施方式中，本发明以基金产品为例，还提供理财产品推送定方法中的具体实施方式。
[0097]
在本具体实施方式中，还提供一种基金组合产品智能推荐系统，图6是该系统的方块图。包含四个部分，分别是数据采集装置1、数据存储装置2、方案预测装置3、方案推送装置4。其中数据采集装置1与数据存储装置2、方案预测装置3连接，数据存储装置2与方案预测装置3、方案推送装置4连接，方案预测装置3与数据采集装置1、数据存储装置2、方案推送装置4连接，方案推送装置4与数据存储装置2、方案预测装置3连接。具体地：
[0098]
数据采集装置1，详情如图7所示，其包括客户信息采集模块、产品信息采集模块、市场投资信息采集模块以及参数信息采集模块，数据采集装置1负责采集方案预测装置3所需要的数据，包含客户信息，产品信息，市场投资信息，参数信息。其中客户信息包括客户id、性别、年龄、职业、所在城市、风险等级、近一年每月月末资产、近一年收入支出记录、近一年基金持有情况，近一年基金交易记录等；产品相关信息包含银行产品类型、产品风险等级、产品收益率，市场投资信息包含所有指数相关证券的pe(市盈率)、pb(市净值)值，按指数分类的基金产品。参数信息包括每种指数对应pb、pe的投资基准倍数、不同客户风险等级对应的投资比例。
[0099]
数据存储装置2，详情如图8所示，负责存储数据采集装置1采集到的数据和方案预测装置3分析加工后的数据。数据存储装置2包含客户信息存储模块、产品信息存储模块，市场投资信息存储模块，参数信息存储模块，预测结果信息存储模块。
[0100]
方案预测装置3，详情如图9所示，包含客户信息分析加工模块31、客户相似度分析加工模块32、产品信息分析加工模块33、产品相似度分析加工模块34、市场投资信息加工分析模块35、参数分析模块36、基金组合产品预测模块37、产品推荐金额预测模块38。方案预测装置3负责对客户基金组合产品推荐方案预测分析，是本发明的核心。
[0101]
方案推送装置4，详情如图10所示，包含银行营销系统推送模块、银行营销app系统推送模块、客户电子银行推送模块以及其它可拓展推送模块。负责启动批量定时系统，在得到的客户的定投日期时间内，将方案预测装置3中的得到的基金组合产品推荐方案推送到客户或营销经理。推送的方案列表每条数据包含，基金id，基金名称，推荐购买金额三个属性。其中通过批量文件方式推送至银行营销系统和银行营销app系统。通过分布式服务方式提供联机接口，推送至客户的电子银行系统，例如手机银行、网上银行。其它可拓展推送模块则是本系统对外暴露的api接口，用于支持外系统与本系统对接互连，完成外系统接入安全认证后推送智能推荐的组合基金产品数据到外系统中。
[0102]
基于上述基金组合产品智能推荐系统，本具体应用实例所提供的理财产品推送定方法具体包括以下步骤，参见图11。
[0103]
步骤s1：对客户属性集合进行数据清洗，调整数据格式不一致的数据，去除属性值
为空的数据。
[0104]
步骤s2：从客户属性集合中按不同数据类型，即离散，连续，文本类型进行划分，并将具有实际数据数值化处理。
[0105]
例如：性别男和女，可转换为数值1和2表示，将时间数据转化为可以用于计算的离散值或连续值。
[0106]
步骤s3：根据客户近一年每月月末资产，计算出客户月均资产，根据客户近一年的收入支出明细，计算出月均收入和月均支出。
[0107]
具体地，指标计算公式为：
[0108][0109]
步骤s4：筛选出高净值客户。
[0110]
优选地，筛选出月均资产大于50万的客户。
[0111]
步骤s5：通过客户近一年基金交易记录时间，统计出每个客户每月交易频率最高的日期，作为目标客户每月定投推送推荐方案的日期。
[0112]
步骤s6：分别计算步骤s4中得到的样本客户cosine相似度，作为客户与客户之间相似度，每个客户都有一个相似客户集合，存储到客户相似度集合空间中。
[0113]
客户a与b的相似度：
[0114]
i为第i个属性，k为客户属性总数，这里属性主要包括性别、年龄、职业、所在城市、风险等级、月均资产、月均收入、月均支出，近一年基金交易时间。
[0115]
步骤s7：剔除样本客户的客户相似度集合中，相似度小于0.5的客户，取剩余客户集合中，近一年持有基金中基金收益率最高的前10名客户的投资基金产品并集。
[0116]
步骤s8：对数据采集中的数据进行加工处理，获得加工后的数据，并且将加工后的数据加入第一属性集合，形成第二属性集合。
[0117]
作为一个示例，在本步骤中，统计每个产品在第一属性集合中出现的次数；分别统计每个客户持有各个产品的时间(即时间长度)；按持有时间对客户持有产品进行排序。
[0118]
例如，客户甲持有a，b，c，d四种产品，按照持有时间进行排序后为：b，a，d，c。然后分别记录排序后产品的位置，即a：2，b：1，c：4，d：3，将以上加工数据加入第一属性集合，形成第二属性集合。
[0119]
步骤s9：分别计算第二属性集合中每个产品间的欧氏距离，作为产品空间相似度，并保存到产品空间相似度集合中。
[0120]
例如商品x和商品y的相似度i为第i个属性，k为商品属性总数，商品属性包括第二属性集合中所有属性。
[0121]
步骤s10：根据客户信息存储装置中查询客户持有产品列表。使用步骤9计算得出产品相似度结果，按相似度排序后，取与客户持有产品列表最相似的预设数量的(例如10
项)产品。
[0122]
步骤s11：根据按指数分类的基金产品，与步骤10的产品取交集，如果单个指数下有多只基金，则值取收益率最高的一只，得到最后的客户基金组合产品推荐列表，存储到预测结果信息存储模块，数据属性有(基金id，基金名称，指数类型)。
[0123]
步骤s12：根据每个指数下的所有证券的pb，pe值，对其由小到大排序，然后分别取其中位数pb
up(i/2)
，pe
up(i/2
)，i为每个指数下的证券总数。
[0124]
例如表1中，根据公式可计算出上证50指数的pb中位数为57.56，pe的中位数为1.73。
[0125]
表1
[0126]
指数名称证券代码证券简称市盈率(pe)市净率(pb)上证50指数xxxxxxx366.431.73上证50指数xxxxxxx57.560.64上证50指数xxxxxxx48.3214.68
[0127]
步骤s13：根据模型参数，每个指数的pb和pe值的中位数会落在某个区间中，而每个区间对应的一个投资基准倍数，则取每个指数的pb、pe的投资基准倍数的较小值作为该指数的投资基准倍数。例如表2。
[0128]
表2
[0129][0130]
则根据步骤s12中示例中计算出的上证50指数的pb中位数为57.56，pe的中位数为1.73，分别落在pb的[40,80]区间，pe的[2,2.2]区间内，则可得上证50指数的投资基准倍数为min(0.5,1)＝0.5，那么上证50指数的投资基准倍数为0.5。
[0131]
指数的投资基准倍数属性加入到基金组合产品推荐列表属性中，即得到每条推荐数据的属性(基金id，基金名称，指数类型，投资基准倍数)。
[0132]
步骤s14：步骤s13中得到的基金组合方案中的数据属性：投资基准倍数，计算出每只基金的推荐购买金额占比：
[0133][0134]
其中α
i
为第i只基金所属指数的投资基准倍数，为基金组合对应所有指数的投资基准倍数之和。
[0135]
步骤s15：根据客户月均收入r和月均支出c，月均资产z，得到客户每月可投资金额min(r
‑
c,z)，按照50％投资规则，最后计算出推荐客户每月定投的金额min(r
‑
c,y)
×
50％。
[0136]
步骤s16：最终计算出基金组合方案中的每只基金产品的推荐的购买金额。
[0137]
具体地：
[0138]
y
i
＝每月投资金额
×
λ
×
γ
i
，λ为该客户的风险等级对应的定投比例，γ
i
为第i只基金的推荐购买金额占比。
[0139]
以上步骤最后得到的基金组合产品推荐方案，具体属性为(基金id，基金名称，指数类型，投资基准倍数，投资金额)，该方案存储到预测结果信息存储模块，并通知到方案推送装置4。
[0140]
从上述描述可知，本发明实施例提供一种理财产品推送方法，首先根据用户属性数据生成用户相似度集合；接着，根据用户相似度集合计算每个理财产品的欧氏距离；最后根据欧氏距离确定用户对应的待推送理财产品。本发明提供理财产品相似度的产品分析加工方法，在基于相似客户基金产品智能推荐方案中，根据客户交互时间、交互位次、交互方向、商品流行度、客户热度等因素以不同维度与算法计算产品间相似度，以便全面衡量产品间相似度同时减少热门产品影响，有效改善推荐系统倾向于推荐少数热门产品的问题，满足客户的个性化需求。
[0141]
基于同一发明构思，本技术实施例还提供了一种理财产品推送装置，可以用于实现上述实施例所描述的方法，如下面的实施例。由于理财产品推送装置解决问题的原理与理财产品推送方法相似，因此理财产品推送装置的实施可以参见理财产品推送方法实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的系统较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
[0142]
本发明的实施例提供一种能够实现理财产品推送方法的理财产品推送装置的具体实施方式，参见图12，理财产品推送装置具体包括如下内容：
[0143]
用户相似度集合生成模块10，用于根据用户属性数据生成用户相似度集合；
[0144]
欧式距离计算模块20，用于根据所述用户相似度集合计算每个理财产品的欧氏距离；
[0145]
理财产品推送模块30，用于根据所述欧氏距离确定所述用户对应的待推送理财产品。
[0146]
一实施例中，所述用户相似度集合生成模块10具体用于根据所述用户的性别、年龄、职业、所在城市、风险等级、月均资产、月均收入、月均支出以及上一年基金交易时间生成所述用户相似度集合；
[0147]
一实施例中，参见图13，所述欧式距离计算模块20包括：
[0148]
预选集合确定单元201，用于根据所述用户相似度集合确定待推送理财产品的预选集合；
[0149]
欧式距离计算单元202，用于计算所述预选集合中每个理财产品的欧氏距离。
[0150]
一实施例中，参见图14，所述预选集合确定单元201包括：
[0151]
理财产品选取单元2011，用于在所述用户相似度集合中，选取被用户持有次数大于预设阈值的理财产品；
[0152]
预选集合生成单元2012，用于在所述被用户持有次数大于预设阈值的理财产品中，选取被用户持有时间大于预设阈值的理财产品，以生成所述预选集合；
[0153]
一实施例中，参见图15，所述理财产品推送模块30包括：
[0154]
理财产品相似度确定单元301，用于根据所述欧氏距离确定所述预选集合中的每个理财产品的相似度；
[0155]
购买份额建议单元302，用于根据所述相似度确定所述用户对应的待推送理财产品以及对应待推送理财产品的建议购买份额。
[0156]
从上述描述可知，本发明实施例提供一种理财产品推送装置，首先根据用户属性数据生成用户相似度集合；接着，根据用户相似度集合计算每个理财产品的欧氏距离；最后根据欧氏距离确定用户对应的待推送理财产品。本发明提供理财产品相似度的产品分析加工方法，在基于相似客户基金产品智能推荐方案中，根据客户交互时间、交互位次、交互方向、商品流行度、客户热度等因素以不同维度与算法计算产品间相似度，以便全面衡量产品间相似度同时减少热门产品影响，有效改善推荐系统倾向于推荐少数热门产品的问题，满足客户的个性化需求。
[0157]
本技术的实施例还提供能够实现上述实施例中的理财产品推送方法中全部步骤的一种电子设备的具体实施方式，参见图16，电子设备具体包括如下内容：
[0158]
处理器(processor)1201、存储器(memory)1202、通信接口(communications interface)1203和总线1204；
[0159]
其中，处理器1201、存储器1202、通信接口1203通过总线1204完成相互间的通信；通信接口1203用于实现服务器端设备以及客户端设备等相关设备之间的信息传输；
[0160]
处理器1201用于调用存储器1202中的计算机程序，处理器执行计算机程序时实现上述实施例中的理财产品推送方法中的全部步骤，例如，处理器执行计算机程序时实现下述步骤：
[0161]
步骤100：根据用户属性数据生成用户相似度集合；
[0162]
步骤200：根据所述用户相似度集合计算每个理财产品的欧氏距离；
[0163]
步骤300：根据所述欧氏距离确定所述用户对应的待推送理财产品。
[0164]
本技术的实施例还提供能够实现上述实施例中的理财产品推送方法中全部步骤的一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例中的理财产品推送方法的全部步骤，例如，处理器执行计算机程序时实现下述步骤：
[0165]
步骤100：根据用户属性数据生成用户相似度集合；
[0166]
步骤200：根据所述用户相似度集合计算每个理财产品的欧氏距离；
[0167]
步骤300：根据所述欧氏距离确定所述用户对应的待推送理财产品。
[0168]
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于硬件+程序类实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
[0169]
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
[0170]
虽然本技术提供了如实施例或流程图的方法操作步骤，但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的装置或客户端产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。
[0171]
为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本说明书实施例时可以把各模块的功能在同一个或多个软件和/或硬件中实现，也可以将实现同一功能的模块由多个子模块或子单元的组合实现等。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0172]
本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内部包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
[0173]
在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
[0174]
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)。内存是计算机可读介质的示例。
[0175]
本说明书实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书实施例，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
[0176]
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实
施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本说明书实施例的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
[0177]
以上所述仅为本说明书实施例的实施例而已，并不用于限制本说明书实施例。对于本领域技术人员来说，本说明书实施例可以有各种更改和变化。凡在本说明书实施例的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书实施例的权利要求范围之内。