【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及信貸產(chǎn)品推薦，具體涉及基于用戶畫像的個(gè)性化信貸產(chǎn)品推薦系統(tǒng)及方法。
技術(shù)介紹
1、隨著互聯(lián)網(wǎng)金融的快速發(fā)展，信貸市場(chǎng)呈現(xiàn)出前所未有的繁榮景象。然而，面對(duì)海量且多樣化的信貸產(chǎn)品，如何準(zhǔn)確識(shí)別用戶的信貸需求并為其推薦合適的產(chǎn)品，成為金融機(jī)構(gòu)亟需解決的重要問(wèn)題。
2、用戶畫像是對(duì)用戶屬性、行為、偏好等信息的全面刻畫，是個(gè)性化推薦系統(tǒng)的基礎(chǔ)。在信貸領(lǐng)域，用戶畫像的構(gòu)建需要考慮用戶的多個(gè)維度信息，包括但不限于：如年齡、性別、職業(yè)、收入等，用戶過(guò)去的信貸申請(qǐng)記錄、額度使用情況、還款記錄等，是評(píng)估用戶信用狀況的重要依據(jù)，瀏覽與搜索行為：用戶在互聯(lián)網(wǎng)平臺(tái)上瀏覽和搜索信貸產(chǎn)品的行為，能夠直接反映其當(dāng)前的信貸需求和偏好。
3、傳統(tǒng)的信貸產(chǎn)品推薦方式往往依賴于人工經(jīng)驗(yàn)和簡(jiǎn)單規(guī)則，不僅效率低下，而且難以滿足用戶個(gè)性化、多樣化的需求。
4、因此，基于用戶畫像的個(gè)性化信貸產(chǎn)品推薦系統(tǒng)應(yīng)運(yùn)而生，成為解決這一問(wèn)題的有效手段。
技術(shù)實(shí)現(xiàn)思路
1、本專利技術(shù)的目的在于提供基于用戶畫像的個(gè)性化信貸產(chǎn)品推薦系統(tǒng)及方法：解決現(xiàn)有方案對(duì)用戶信貸產(chǎn)品推薦過(guò)程中，往往依賴人工經(jīng)驗(yàn)和簡(jiǎn)單規(guī)則，不僅效率低下，而且難以滿足用戶個(gè)性化、多樣化的需求的技術(shù)問(wèn)題。
2、本專利技術(shù)的目的可以通過(guò)以下技術(shù)方案實(shí)現(xiàn)：
3、一方面，基于用戶畫像的個(gè)性化信貸產(chǎn)品推薦系統(tǒng)，系統(tǒng)包括用戶數(shù)據(jù)獲取模塊，用戶信貸資格審查模塊、用戶畫像構(gòu)建模塊和信貸產(chǎn)品匹配模塊；
4、用戶數(shù)
5、用戶信貸資格審查模塊用于基于用戶基本信息數(shù)據(jù)生成用戶信貸資格值，基于用戶信貸資格值對(duì)用戶的信貸資格進(jìn)行審查；
6、用戶畫像構(gòu)建模塊用于獲取具有信貸資格的用戶基本信息數(shù)據(jù)和用戶行為數(shù)據(jù)，并基于用戶基本信息數(shù)據(jù)和用戶行為數(shù)據(jù)進(jìn)行用戶畫像構(gòu)建，得到用戶信貸意向特征；
7、信貸產(chǎn)品匹配模塊用于基于用戶信貸意向特征匹配信貸產(chǎn)品，并將信貸產(chǎn)品推薦給用戶。
8、進(jìn)一步地，基于用戶基本信息數(shù)據(jù)生成用戶信貸資格值包括以下過(guò)程：
9、基于用戶基本信息數(shù)據(jù)獲取用戶的年齡a；
10、基于用戶基本信息數(shù)據(jù)獲取用戶的學(xué)歷，基于用戶學(xué)歷查詢用戶對(duì)應(yīng)的信貸資格基礎(chǔ)值b，其中，高中學(xué)歷對(duì)應(yīng)的信貸資格基礎(chǔ)值為10，本科學(xué)歷對(duì)應(yīng)的信貸資格基礎(chǔ)值為20，研究生學(xué)歷對(duì)應(yīng)的信貸資格基礎(chǔ)值為30；
11、基于用戶基本信息數(shù)據(jù)獲取用戶的社保記錄信息，基于社保記錄信息獲取用戶連續(xù)繳納社保月數(shù)c；
12、基于用戶基本信息數(shù)據(jù)獲取已申請(qǐng)信貸額度信息，基于已申請(qǐng)信貸額度信息獲取用戶申請(qǐng)信貸總額d；
13、將年齡a、信貸資格基礎(chǔ)值b、連續(xù)繳納社保月數(shù)c和用戶申請(qǐng)信貸總額d代入用戶信貸資格值計(jì)算公式得到用戶信貸資格值，該計(jì)算公式如下：
14、
15、其中，lms為用戶信貸資格值。
16、進(jìn)一步地，基于用戶信貸資格值對(duì)用戶的信貸資格進(jìn)行審查包括以下過(guò)程：
17、獲取信貸資質(zhì)值閾值，其中，信貸資質(zhì)值閾值存儲(chǔ)于系統(tǒng)中，由系統(tǒng)進(jìn)行設(shè)置，判斷用戶信貸資格值是否超過(guò)信貸資質(zhì)值閾值，若是，則用戶具有信貸資格，若否，則用戶不具有信貸資格。
18、進(jìn)一步地，基于用戶基本信息數(shù)據(jù)和用戶行為數(shù)據(jù)進(jìn)行用戶畫像構(gòu)建，得到用戶信貸意向特征包括以下過(guò)程：
19、將用戶基本信息數(shù)據(jù)和用戶行為數(shù)據(jù)記為文本，對(duì)文本去除無(wú)用字符、去除分詞和停詞，并使用jieba中文分詞組件對(duì)文本進(jìn)行分詞操作，得到文本的詞語(yǔ)集合，其中，詞語(yǔ)包括年齡、學(xué)歷、社保、個(gè)稅繳納、點(diǎn)擊、瀏覽和搜索；
20、基于預(yù)訓(xùn)練的word2vec模型上對(duì)文本的詞語(yǔ)集合進(jìn)行訓(xùn)練，然后使用訓(xùn)練后的模型來(lái)生成詞向量；
21、通過(guò)tf-idf加權(quán)統(tǒng)計(jì)法對(duì)文本的詞向量進(jìn)行加權(quán)平均，生成一個(gè)平均詞向量來(lái)表示文本特征，最終獲得的文本特征向量為tf＝{t1，t2...tk}，將tf＝{t1，t2...tk}記為用戶信貸意向特征。
22、進(jìn)一步地，通過(guò)tf-idf加權(quán)統(tǒng)計(jì)法對(duì)文本的詞向量進(jìn)行加權(quán)平均，生成一個(gè)平均詞向量來(lái)表示文本特征包括以下過(guò)程：
23、
24、tf-idf＝tfw×idf；
25、基于tf-idf的值來(lái)獲得其權(quán)重，常見詞的權(quán)重較小，而不太常見的詞則被賦予較大的權(quán)重，即通過(guò)加權(quán)統(tǒng)計(jì)提取關(guān)鍵特征詞；
26、其中，f(w)代表詞語(yǔ)w在文本中出現(xiàn)的次數(shù)，tfw為詞頻，表示其他詞語(yǔ)出現(xiàn)文本中出現(xiàn)的次數(shù)，n為其他詞語(yǔ)的種類數(shù)，i的取值為1,2...n；dfw代表出現(xiàn)詞語(yǔ)w的文本個(gè)數(shù)。
27、進(jìn)一步地，基于用戶信貸意向特征匹配信貸產(chǎn)品，并將信貸產(chǎn)品推薦給用戶包括以下過(guò)程：
28、使用神經(jīng)網(wǎng)絡(luò)模型將數(shù)據(jù)集劃分為訓(xùn)練集和測(cè)試集；
29、使用訓(xùn)練集數(shù)據(jù)訓(xùn)練模型，并通過(guò)交叉驗(yàn)證等方式調(diào)整模型參數(shù)；
30、監(jiān)控訓(xùn)練過(guò)程中的損失函數(shù)和驗(yàn)證集上的性能指標(biāo)，以避免過(guò)擬合；
31、使用測(cè)試集評(píng)估模型的性能，常用的評(píng)估指標(biāo)包括準(zhǔn)確率、召回率、f1分?jǐn)?shù)、auc-roc；
32、根據(jù)評(píng)估結(jié)果對(duì)模型進(jìn)行調(diào)優(yōu)，包括調(diào)整模型參數(shù)、嘗試不同的模型結(jié)構(gòu)或算法；
33、根據(jù)訓(xùn)練好的模型預(yù)測(cè)用戶的信貸意向和偏好；
34、根據(jù)預(yù)測(cè)結(jié)果，為用戶推薦最符合其需求的信貸產(chǎn)品，其中，個(gè)性化推薦算法包括協(xié)同過(guò)濾算法，結(jié)合用戶的歷史行為和相似用戶的行為來(lái)推薦產(chǎn)品。
35、另一方面，基于用戶畫像的個(gè)性化信貸產(chǎn)品推薦方法，該方法包括：
36、獲取用戶基本信息數(shù)據(jù)和用戶行為數(shù)據(jù)，其中，用戶基本信息數(shù)據(jù)包括年齡、學(xué)歷、社保記錄信息和個(gè)稅繳納信息，用戶行為數(shù)據(jù)包括用戶點(diǎn)擊信貸產(chǎn)品次數(shù)、瀏覽信貸產(chǎn)品所在網(wǎng)頁(yè)的次數(shù)和用戶搜索信貸產(chǎn)品關(guān)鍵詞；
37、基于用戶基本信息數(shù)據(jù)生成用戶信貸資格值，基于用戶信貸資格值對(duì)用戶的信貸資格進(jìn)行審查；
38、獲取具有信貸資格的用戶基本信息數(shù)據(jù)和用戶行為數(shù)據(jù)，并基于用戶基本信息數(shù)據(jù)和用戶行為數(shù)據(jù)進(jìn)行用戶畫像構(gòu)建，得到用戶信貸意向特征；
39、基于用戶信貸意向特征匹配信貸產(chǎn)品，并將信貸產(chǎn)品推薦給用戶。
40、相比于現(xiàn)有方案，本專利技術(shù)實(shí)現(xiàn)的有益效果：
41、提升用戶體驗(yàn)：通過(guò)精準(zhǔn)分析用戶的信貸需求和偏好，系統(tǒng)能夠?yàn)橛脩敉扑]最符合其個(gè)性化需求的信貸產(chǎn)品。這種量身定制的推薦方式不僅節(jié)省了用戶篩選和比較產(chǎn)品的時(shí)間，還提高了用戶的滿意度和忠誠(chéng)度。
42、提高信貸服務(wù)效率：傳統(tǒng)的信貸產(chǎn)品推薦方式往往依賴于人工審核和推薦，效率低下且容易出錯(cuò)。而基于用戶畫像的推薦系統(tǒng)能夠自動(dòng)化地匹配用戶和本文檔來(lái)自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.基于用戶畫像的個(gè)性化信貸產(chǎn)品推薦系統(tǒng)，其特征在于，系統(tǒng)包括用戶數(shù)據(jù)獲取模塊，用戶信貸資格審查模塊、用戶畫像構(gòu)建模塊和信貸產(chǎn)品匹配模塊；
2.根據(jù)權(quán)利要求1所述的基于用戶畫像的個(gè)性化信貸產(chǎn)品推薦系統(tǒng)，其特征在于，基于用戶基本信息數(shù)據(jù)生成用戶信貸資格值包括以下過(guò)程：
3.根據(jù)權(quán)利要求1所述的基于用戶畫像的個(gè)性化信貸產(chǎn)品推薦系統(tǒng)，其特征在于，基于用戶信貸資格值對(duì)用戶的信貸資格進(jìn)行審查包括以下過(guò)程：
4.根據(jù)權(quán)利要求1所述的基于用戶畫像的個(gè)性化信貸產(chǎn)品推薦系統(tǒng)，其特征在于，基于用戶基本信息數(shù)據(jù)和用戶行為數(shù)據(jù)進(jìn)行用戶畫像構(gòu)建，得到用戶信貸意向特征包括以下過(guò)程：
5.根據(jù)權(quán)利要求4所述的基于用戶畫像的個(gè)性化信貸產(chǎn)品推薦系統(tǒng)，其特征在于，通過(guò)TF-IDF加權(quán)統(tǒng)計(jì)法對(duì)文本的詞向量進(jìn)行加權(quán)平均，生成一個(gè)平均詞向量來(lái)表示文本特征包括以下過(guò)程：
6.根據(jù)權(quán)利要求1所述的基于用戶畫像的個(gè)性化信貸產(chǎn)品推薦系統(tǒng)，其特征在于，基于用戶信貸意向特征匹配信貸產(chǎn)品，并將信貸產(chǎn)品推薦給用戶包括以下過(guò)程：
7.基于用戶畫像的個(gè)性化信貸產(chǎn)品推薦方
...【技術(shù)特征摘要】
1.基于用戶畫像的個(gè)性化信貸產(chǎn)品推薦系統(tǒng)，其特征在于，系統(tǒng)包括用戶數(shù)據(jù)獲取模塊，用戶信貸資格審查模塊、用戶畫像構(gòu)建模塊和信貸產(chǎn)品匹配模塊；
2.根據(jù)權(quán)利要求1所述的基于用戶畫像的個(gè)性化信貸產(chǎn)品推薦系統(tǒng)，其特征在于，基于用戶基本信息數(shù)據(jù)生成用戶信貸資格值包括以下過(guò)程：
3.根據(jù)權(quán)利要求1所述的基于用戶畫像的個(gè)性化信貸產(chǎn)品推薦系統(tǒng)，其特征在于，基于用戶信貸資格值對(duì)用戶的信貸資格進(jìn)行審查包括以下過(guò)程：
4.根據(jù)權(quán)利要求1所述的基于用戶畫像的個(gè)性化信貸產(chǎn)品推薦系統(tǒng)，其特征在于，基于用戶基本信息數(shù)據(jù)和用戶行為數(shù)據(jù)進(jìn)行用...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：向紅，丘杰，李達(dá)寧，湯偉良，林梓杰，張勇，
申請(qǐng)(專利權(quán))人：廣州廣建小額貸款股份有限公司，
類型：發(fā)明
國(guó)別省市：
還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。