金融产品推荐方法、装置、设备及存储介质与流程

本技术涉及人工智能，更具体地说，涉及一种金融产品推荐方法、装置、设备及存储介质。

背景技术：

1、传统的金融产品推荐方法仍主要依靠问卷直接判定客户的投资风格，进而推荐相关风格的产品，这种方法存在几个局限性，包括高昂的调查成本、受访者负担重和调查结果可能不可靠等。

2、因此，如何以较低的成本实现金融产品的有效推荐成为亟待解决的技术问题。

技术实现思路

1、有鉴于此，本技术提供了一种金融产品推荐方法、装置、设备及存储介质，以实现金融产品的低成本有效推荐。

2、为了实现上述目的，现提出的方案如下：

3、一种金融产品推荐方法，包括：

4、根据各个金融产品被目标用户在预设历史时长内的购买情况，确定各个金融产品对应所述目标用户的权重；所述目标用户为多个用户中的任一用户；

5、根据各个金融产品对应所述多个用户中的各个用户的权重，确定用户超图和产品超图；所述用户超图中不同节点为不同的用户，所述用户超图中的不同超边为不同的金融产品，任意两个可达的用户节点为一阶可达邻居或二阶可达邻居；所述产品超图中的不同节点为不同的金融产品，所述产品超图中的不同超边为不同的用户，任意两个可达的金融产品节点为一阶可达邻居或二阶可达邻居；

6、基于所述用户超图和所述产品超图，通过预先训练好的超图卷积网络对各个用户的第一初始特征和各个金融产品的第二初始特征进行处理，得到各个用户的第一嵌入特征和各个金融产品的第二嵌入特征；

7、基于所述目标用户的第一嵌入特征和各个金融产品的第二嵌入特征，确定所述目标用户与各个金融产品的关联度；

8、将与所述目标用户的关联度排序前n的金融产品推荐给所述目标用户。

9、上述方法，可选的，任一金融产品对应所述目标用户的权重与所述目标用户在所述预设历史时长内购买所述任一金融产品的次数正相关，与所有用户在所述预设历史时长内购买所述任一金融产品的总次数负相关。

10、上述方法，可选的，所述根据各个金融产品对应所述多个用户中的各个用户的权重，确定用户超图和产品超图，包括：

11、通过如下计算方式计算得到的所述用户超图和所述产品超图，

12、hu＝w||w(wt·w)

13、hi＝wt||wt(w·wt)

14、其中，hu表示用户超图的关联矩阵，hi表示产品超图的关联矩阵，w是由各个金融产品对应所述多个用户中的各个用户的权重构成的权重矩阵。

15、上述方法，可选的，所述基于所述目标用户的第一嵌入特征和各个金融产品的第二嵌入特征，确定所述目标用户与各个金融产品的关联度，包括：

16、将所述目标用户的第一嵌入特征与每个金融产品的第二嵌入特征分别进行融合，得到每个金融产品对应所述目标用户的融合特征；

17、对应任一金融产品，利用leakyrelu激活函数对所述任一金融产品对应所述目标用户的融合特征进行处理，得到所述目标用户与所述任一金融产品的关联度。

18、上述方法，可选的，所述超图卷积网络通过目标训练数据集训练得到，所述目标训练集中的任一样本为：

19、各个金融产品被各个用户在预设时长内的购买情况，该任一样本的标签包括：该任一样本关联的各个用户与各个金融产品的相关性，以及基于各个金融产品被各个用户在与预设时长相邻的下一个预设时长内的购买情况确定的各个金融产品与每个用户的关联度，以及基于关联度确定的金融产品排序列表；

20、不同样本对应不同的用户，和/或，不同的样本对应不同的预设时长。

21、上述方法，可选的，通过所述目标训练数据集对所述超图卷积网络进行训练的过程，包括：

22、对应任一样本，根据各个金融产品被所述任一样本关联的各个用户在该任一样本对应的预设时长内的购买情况，确定各个金融产品对应所述任一样本关联的各用户的权重；

23、根据各个金融产品对应所述任一样本关联的各用户的权重，确定所述任一样本对应的用户超图和产品超图；所述任一样本对应的用户超图中不同节点为不同的用户，不同超边为不同的金融产品，任意两个可达的用户节点为一阶可达邻居或二阶可达邻居；所述任一样本对应的产品超图中的不同节点为不同的金融产品，不同超边为不同的用户，任意两个可达的金融产品节点为一阶可达邻居或二阶可达邻居；

24、基于所述任一样本对应的用户超图和所述产品超图，通过所述超图卷积网络对所述任一样本关联的各个用户的第一初始特征和各个金融产品的第二初始特征进行处理，得到所述任一样本关联的各个用户的第一嵌入特征和各个金融产品的第二嵌入特征；

25、对于第一用户，基于所述第一用户的第一嵌入特征和各个金融产品的第二嵌入特征，确定所述第一用户与各个金融产品的关联度；所述第一用户为所述任一样本关联的各个用户中的任一用户；

26、以基于所述任一样本关联的各用户的第一嵌入特征和各个金融产品的第二嵌入特征确定的所述任一样本关联的各个用户与各个金融产品的相关性趋近于所述任一样本的标签中所述任一样本关联的各个用户与各个金融产品的相关性，所述任一样本关联的任一用户与各个金融产品的关联度趋近于所述任一样本的标签中的任一用户与各个金融产品的关联度，基于所述任一样本关联的任一用户与各个金融产品的关联度确定的金融产品排序列表趋近于所述任一样本的标签中的金融产品排序列表为目标，对所述超图卷积网络的参数进行更新。

27、上述方法，可选的，对所述超图卷积网络的参数进行更新的过程包括：

28、计算第一损失函数、第二损失函数和第三损失函数；所述第一损失函数表征基于所述任一样本关联的各用户的第一嵌入特征和各个金融产品的第二嵌入特征确定的所述任一样本关联的各个用户与各个金融产品的相关性，与所述任一样本的标签中所述任一样本关联的各个用户与各个金融产品的相关性的第一差异；所述第二损失函数表征所述任一样本关联的任一用户与各个金融产品的关联度，与所述任一样本的标签中的任一用户与各个金融产品的关联度的第二差异；所述第三损失函数表征基于所述任一样本关联的任一用户与各个金融产品的关联度确定的金融产品排序列表中的金融产品的排序调整后，与所述任一样本的标签中的金融产品排序列表的接近程度；

29、以所述第一差异和所述第二差异越来越小，所述接近程度越来越大为目标对所述超图卷积网络的参数进行更新。

30、一种金融产品推荐装置，包括：

31、权重确定模块，用于根据各个金融产品被目标用户在预设历史时长内的购买情况，确定各个金融产品对应所述目标用户的权重；所述目标用户为多个用户中的任一用户；

32、超图确定模块，用于根据各个金融产品对应所述多个用户中的各个用户的权重，确定用户超图和产品超图；所述用户超图中不同节点为不同的用户，所述用户超图中的不同超边为不同的金融产品，任意两个可达的用户节点为一阶可达邻居或二阶可达邻居；所述产品超图中的不同节点为不同的金融产品，所述产品超图中的不同超边为不同的用户，任意两个可达的金融产品节点为一阶可达邻居或二阶可达邻居；

33、处理模块，用于基于所述用户超图和所述产品超图，通过预先训练好的超图卷积网络对各个用户的第一初始特征和各个金融产品的第二初始特征进行处理，得到各个用户的第一嵌入特征和各个金融产品的第二嵌入特征；

34、关联度确定模块，用于基于所述目标用户的第一嵌入特征和各个金融产品的第二嵌入特征，确定所述目标用户与各个金融产品的关联度；

35、推荐模块，用于将与所述目标用户的关联度排序前n的金融产品推荐给所述目标用户。

36、一种电子设备，包括存储器和处理器；

37、所述存储器，用于存储程序；

38、所述处理器，用于执行所述程序，实现如上任一项所述的金融产品推荐方法的各个步骤。

39、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，实现如上任一项所述的金融产品推荐方法的各个步骤。

40、从上述的技术方案可以看出，本技术实施例提供的金融产品推荐方法、装置、设备及存储介质，根据各个金融产品被目标用户在预设历史时长内的购买情况，确定各个金融产品对应目标用户的权重；目标用户为多个用户中的任一用户；根据各个金融产品对应多个用户中的各个用户的权重，确定用户超图和产品超图；用户超图中不同节点为不同的用户，不同超边为不同的金融产品，任意两个可达的用户节点为一阶可达邻居或二阶可达邻居；产品超图中的不同节点为不同的金融产品，不同超边为不同的用户，任意两个可达的金融产品节点为一阶可达邻居或二阶可达邻居；基于用户超图和产品超图，通过预先训练好的超图卷积网络对各个用户的第一初始特征和各个金融产品的第二初始特征进行处理，得到各个用户的第一嵌入特征和各个金融产品的第二嵌入特征；基于目标用户的第一嵌入特征和各个金融产品的第二嵌入特征，确定目标用户与各个金融产品的关联度；将与目标用户的关联度排序前n的金融产品推荐给目标用户。基于本技术，实现了基于用户自身的历史金融产品购买行为以及不同用户的历史金融产品购买行为自动为用户推荐金融产品的目的，而且用户的历史金融产品购买行为体现了用户对金融产品的购买习惯(即投资风格)，因此基于本技术实现了金融产品的低成本且有效推荐。