本發(fā)明涉及數(shù)據(jù)處理，特別是涉及一種金融產(chǎn)品推薦方法、裝置及存儲介質。

背景技術：

1、隨著金融市場的不斷發(fā)展和創(chuàng)新，為用戶推薦個性化金融產(chǎn)品成為金融服務領域的重要課題。目前，金融機構通常依據(jù)用戶自行填寫的調查問卷、財務狀況表單等方式來評估用戶的投資風險承受能力，進而推薦相應的金融產(chǎn)品。然而，這種傳統(tǒng)的評估方式存在諸多局限性。

2、一方面，用戶自行填寫的信息可能存在不準確、不完整的情況。用戶可能由于對自身財務狀況認識不清、主觀認知偏差等原因，導致所提供的信息與實際情況不符。例如，在填寫資產(chǎn)狀況時可能會高估或低估自己的財富水平，在描述風險偏好時可能受到當下情緒或他人意見的影響而不準確表達自己的真實態(tài)度。

3、另一方面，現(xiàn)有的評估方法往往僅依賴于數(shù)字性的財務數(shù)據(jù)，缺乏對用戶生活實際情況的全面考量。金融投資不僅僅是一個數(shù)字游戲，用戶的生活方式、消費習慣等因素也在很大程度上影響著其風險承受能力。

4、綜上所述，現(xiàn)有的金融產(chǎn)品推薦方式存在準確性不高、全面性不足等問題。

技術實現(xiàn)思路

1、基于此，本發(fā)明的目的在于，提供一種金融產(chǎn)品推薦方法、裝置、計算機設備及存儲介質，通過采用圖像識別技術去識別用戶的生活圖片，推測出用戶的準確經(jīng)濟實力，并結合用戶的財務數(shù)據(jù)綜合評估用戶的投資風險承受能力給用戶推薦合適的金融產(chǎn)品。

2、第一方面，本發(fā)明提供了一種金融產(chǎn)品推薦方法，該方法包括：

3、獲取用戶的生活圖片，并根據(jù)生活圖片，得到第一數(shù)據(jù)特征；第一數(shù)據(jù)特征表征用戶的風險承受金額；生活圖片包括：居住環(huán)境圖片、出行載具圖片、人物服飾圖片和用餐環(huán)境圖片中的至少一種；

4、獲取用戶的歷史投資數(shù)據(jù)，對歷史投資數(shù)據(jù)進行特征提取處理，得到第二數(shù)據(jù)特征；歷史投資數(shù)據(jù)包括用戶的歷史投資標的名稱和與歷史投資標的名稱對應的歷史盈虧數(shù)據(jù)；第二特征數(shù)據(jù)用于表征用戶的風險承受比例；

5、對第一數(shù)據(jù)特征和第二數(shù)據(jù)特征進行特征融合，得到融合數(shù)據(jù)特征；

6、基于knn算法得到融合數(shù)據(jù)特征對應的分類結果，并確定出分類結果對應的金融產(chǎn)品為目標金融產(chǎn)品。

7、第二方面，本發(fā)明提供了一種金融產(chǎn)品推薦裝置，該裝置包括：

8、圖片獲取模塊，用于獲取用戶的生活圖片，并根據(jù)生活圖片，得到第一數(shù)據(jù)特征；第一數(shù)據(jù)特征表征用戶的風險承受金額；生活圖片包括：居住環(huán)境圖片、出行載具圖片、人物服飾圖片和用餐環(huán)境圖片中的至少一種；

9、特征提取模塊，用于獲取用戶的歷史投資數(shù)據(jù)，對歷史投資數(shù)據(jù)進行特征提取處理，得到第二數(shù)據(jù)特征；歷史投資數(shù)據(jù)包括用戶的歷史投資標的名稱和與歷史投資標的名稱對應的歷史盈虧數(shù)據(jù)；第二特征數(shù)據(jù)用于表征用戶的風險承受比例；

10、特征融合模塊，用于對第一數(shù)據(jù)特征和第二數(shù)據(jù)特征進行特征融合，得到融合數(shù)據(jù)特征；

11、產(chǎn)品推薦模塊，用于基于knn算法得到融合數(shù)據(jù)特征對應的分類結果，并確定出分類結果對應的金融產(chǎn)品為目標金融產(chǎn)品。

12、第三方面，本發(fā)明提供了一種計算機設備，包括：

13、一個或多個處理器；

14、存儲器，用于存儲一個或多個程序；

15、當一個或多個程序被一個或多個處理器執(zhí)行，使得一個或多個處理器實現(xiàn)如第一方面中的金融產(chǎn)品推薦方法。

16、第四方面，本發(fā)明提供了一種計算機可讀存儲介質，其上存儲有計算機程序，程序被處理器執(zhí)行時實現(xiàn)如第一方面中的金融產(chǎn)品推薦方法。

17、本發(fā)明提供了一種金融產(chǎn)品推薦方法、裝置、計算機設備及存儲介質，通過獲取用戶的生活圖片，并根據(jù)生活圖片，得到第一數(shù)據(jù)特征；獲取用戶的歷史投資數(shù)據(jù)，對歷史投資數(shù)據(jù)進行特征提取處理，得到第二數(shù)據(jù)特征；對第一數(shù)據(jù)特征和第二數(shù)據(jù)特征進行特征融合，得到融合數(shù)據(jù)特征；基于knn算法得到融合數(shù)據(jù)特征對應的分類結果，并確定出分類結果對應的金融產(chǎn)品為目標金融產(chǎn)品。通過將用戶的生活方式、消費習慣等因素與用戶的投資風險承受能力結合起來去推薦金融產(chǎn)品，從而提高推薦金融產(chǎn)品的準確度。

技術特征：

1.一種金融產(chǎn)品推薦方法，其特征在于，所述方法包括：

2.根據(jù)權利要求1所述的方法，其特征在于，所述根據(jù)所述生活圖片，得到第一數(shù)據(jù)特征，包括：

3.根據(jù)權利要求2所述的方法，其特征在于，所述基于訓練好的圖像特征提取模型，根據(jù)所述生活圖片得到所述居住環(huán)境圖片、所述出行載具圖片、所述人物服飾圖片和所述用餐環(huán)境圖片的綜合數(shù)據(jù)特征，作為所述第一數(shù)據(jù)特征，包括：

4.根據(jù)權利要求2所述的方法，其特征在于，所述圖像特征提取模型的訓練方法包括：

5.根據(jù)權利要求1所述的方法，其特征在于，所述對所述歷史投資數(shù)據(jù)進行特征提取處理，得到第二數(shù)據(jù)特征，包括：

6.根據(jù)權利要求5所述的方法，其特征在于，所述深度強化學習模型的訓練過程，包括：

7.根據(jù)權利要求1所述的方法，其特征在于，所述基于knn算法得到所述融合數(shù)據(jù)特征對應的分類結果，并確定出所述分類結果對應的金融產(chǎn)品為目標金融產(chǎn)品，包括：

8.一種金融產(chǎn)品推薦裝置，其特征在于，包括：

9.一種計算機設備，其特征在于，包括：

10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于：所述程序被處理器執(zhí)行時實現(xiàn)如權利要求1-7中任一所述的金融產(chǎn)品推薦方法。

技術總結
本發(fā)明涉及數(shù)據(jù)處理技術領域，具體公開了一種金融產(chǎn)品推薦方法、裝置、計算機設備及存儲介質，本發(fā)明所述的一種金融產(chǎn)品推薦方法包括：獲取用戶的生活圖片，并根據(jù)生活圖片，得到第一數(shù)據(jù)特征；獲取用戶的歷史投資數(shù)據(jù)，對歷史投資數(shù)據(jù)進行特征提取處理，得到第二數(shù)據(jù)特征；對第一數(shù)據(jù)特征和第二數(shù)據(jù)特征進行特征融合，得到融合數(shù)據(jù)特征；基于KNN算法得到融合數(shù)據(jù)特征對應的分類結果，并確定出分類結果對應的金融產(chǎn)品為目標金融產(chǎn)品。通過將用戶的生活方式、消費習慣等因素與用戶的投資風險承受能力結合起來去推薦金融產(chǎn)品，從而提高推薦金融產(chǎn)品的準確度。

技術研發(fā)人員：尚恩遠
受保護的技術使用者：江西財經(jīng)大學
技術研發(fā)日：
技術公布日：2025/1/6