一种金融产品业务智能分类推荐方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN116012102A(43)申请公布日2023.04.25(21)申请号202211706677.8(22)申请日2022.12.27(71)申请人南京航空航天大学地址210000江苏省南京市江宁区将军大道29号(72)发明人张瀚茹邓晶(74)专利代理机构南京苏创专利代理事务所(普通合伙)32273专利代理师王华(51)Int.Cl.G06Q30/0601(2023.01)G06Q40/06(2012.01)G06N3/0464(2023.01)G06N3/094(2023.01)G06F18/241(2023.01)权利要求书3页说明书8页附图1页(54)发明名称一种金融产品业务智能分类推荐方法(57)摘要本发明公开了一种金融产品业务智能分类推荐方法，包括输入单元、对抗神经网络单元、有向图构建单元、K阶有向图卷积算子单元以及卷积神经网络CNN单元，根据用户基本数据和对抗神经网络单元得到的用户的用户属性对产品购买的权重建立用户属性对产品购买有向图，将得到的第个用户的用户属性对产品购买的权重集合将用户共有属性的对产品购买的权重和作为节点的边权重，根据有向图建立K阶有向图卷积算子，通过K阶有向图卷积算子导入K阶有向图卷积算子中得到用户对金融产品的推荐概率。本发明不仅能够对金融产品进行个性化推荐，而且推荐的精确度高。CN116012102ACN116012102A权利要求书1/3页1.一种金融产品业务智能分类推荐方法，其特征在于，包括以下步骤：步骤1，收集用户基本数据，所述用户基本数据包括用户属性数据；步骤2，将收集的用户基本数据进行标记作为训练数据，将训练数据输入到对抗神经网络中对对抗神经网络进行训练；通过训练好的对抗神经网络得到用户的第i个用户属性对产品购买的权重γi，i=1,2,…,M，M表示用户数，则第i个用户的用户属性对产品购买的权重集合为表示第i个用户的第qi个用户属性对产品购买的权重,Qi表示第i个用户的用户属性个数；步骤3，根据用户基本数据和步骤2得到的用户的第i个用户属性对产品购买的权重γi建立用户属性对产品购买有向图G，将用户作为节点，将第i个用户与第j个用户的共有属性作为节点vi到节点vj的边，i,j＝1,2,…,M，M表示用户数，根据步骤2中得到的第i个用户的用户属性对产品购买的权重集合将第i个用户与第j个用户共有属性的对产品购买的权重和作为节点vi到节点vj的边权重；步骤4，根据步骤3得到的有向图G建立K阶有向图卷积算子；步骤5，将步骤3得到的K阶有向图卷积算子输入到卷积神经网络模型CNN中得到金融产品的推荐概率。2.根据权利要求1所述金融产品业务智能分类推荐方法，其特征在于：步骤3中建立用户属性对产品购买有向图G的方法：用户属性对产品购买有向图G＝(V,E),V表示节点集合，V＝(v1,v2,…,vm,…,vM),vm表示第m个节点,第m个节点指第m个用户，E表示边集合，表示节点vi到节点vj的边；节点vi到节点vj的边所对应的邻接矩阵为Aij；Kij＝crad(Ui⌒Uj)其中，wij表示第i个用户与第j个用户共有属性的对产品购买的权重和，Kij表示第i个用户与第j个用户共有属性的个数，Ui表示第i个用户的用户属性集合，Uj表示第j个用户的用户属性集合，crad表示集合元素个数，⌒表示交集；表示第i个用户与第j个用户共有属性中的第i个用户的第kij个用户属性对产品购买的权重；Kij＝Qi。3.根据权利要求1所述金融产品业务智能分类推荐方法，其特征在于：步骤4中根据步骤3得到的有向图G得到K阶有向图卷积算子的方法：2CN116012102A权利要求书2/3页定义有向的用户间影响矩阵HS，HS中的元素采用下式计算：W表示用户属性对产品购买有向图整体均衡权重；定义用户购买倾向的相似性矩阵HF，用户购买倾向的相似性矩阵HF中元素采用下式计算：式子中，R1表示绝对差异系数，R2表示形态差异系数，T为用户传导序列，zt＝(vi‑vj)t，zt为第i个用户与第j个用户的边的权重在第t个传导中的差，为第i个用户与第j个用户的边的权重在用户传导序列中的差的均值；根据有向的用户间影响矩阵HS和用户购买倾向的相似性矩阵HF得到用户相关性矩阵HP，用户相关性矩阵HP的元素以下式子计算：根据用户相关性矩阵HP得到卷积算子：其中，表示卷积算子，WDG表示卷积算子矩阵，Xt表示第t个传导中的用户数据；根据卷积算子得到K阶有向图卷积算子3CN116012102A权利要求书3/3页其中，表示K阶有向图卷积算子。4.根据权利要求1所述金融产品业务智能分类推荐方法，其特征在于：所述步骤5中卷积神经网络模型CNN包括依次连接的输入层、卷积层、池化层、全连接层和输出层，第r层的输出