• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    互聯(lián)網(wǎng)金融理財(cái)產(chǎn)品混合智能推薦策略的研究

    2019-09-10 20:37:12項(xiàng)慨朱倩倩張帥徐玲賀靖文張崟瀅

    項(xiàng)慨 朱倩倩 張帥 徐玲 賀靖文 張崟瀅

    摘 要:隨著互聯(lián)網(wǎng)與金融的相互滲透,互聯(lián)網(wǎng)金融理財(cái)產(chǎn)品已逐步滲入人們的生活。本文采用基于內(nèi)容推薦、基于個(gè)性化情境的協(xié)同過(guò)濾推薦構(gòu)建了一個(gè)混合推薦模型,引入兩次排名,從第一次排名過(guò)的TOP-N商品中,按照同類型產(chǎn)品收益率高低進(jìn)行二次排名作為最終推薦結(jié)果。使互聯(lián)網(wǎng)金融理財(cái)產(chǎn)品由被動(dòng)由消費(fèi)者選擇轉(zhuǎn)為主動(dòng)出擊,智能推薦,從而達(dá)到用戶與互聯(lián)網(wǎng)金融企業(yè)的雙贏的局面。

    關(guān)鍵詞:互聯(lián)網(wǎng)金融理財(cái)產(chǎn)品;推薦技術(shù);智能推薦;混合推薦

    一、引言

    近年來(lái),互聯(lián)網(wǎng)金融發(fā)展迅速,根據(jù)CNNIC2018年7月發(fā)布的《第42次中國(guó)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》,我國(guó)互聯(lián)網(wǎng)理財(cái)使用率由2017年末的16.7%提升至2018年6月的21.0%,互聯(lián)網(wǎng)理財(cái)用戶增加3974萬(wàn),半年增長(zhǎng)率30.9%;用戶投資理財(cái)模式正由傳統(tǒng)金融理財(cái)產(chǎn)品轉(zhuǎn)向互聯(lián)網(wǎng)理財(cái)產(chǎn)品,但是在互聯(lián)網(wǎng)技術(shù)迅猛發(fā)展的條件下,信息過(guò)載問(wèn)題嚴(yán)重,用戶在大量互聯(lián)網(wǎng)理財(cái)產(chǎn)品中甄別和選擇合適的理財(cái)產(chǎn)品比以往困難,容易追求熱門理財(cái)產(chǎn)品,大量?jī)?yōu)質(zhì)卻冷門的理財(cái)產(chǎn)品無(wú)人問(wèn)津。以上不僅會(huì)導(dǎo)致用戶購(gòu)買互聯(lián)網(wǎng)理財(cái)產(chǎn)品的積極性降低,而且由于盲目選擇而導(dǎo)致的收益降低甚至損失也會(huì)降低用戶對(duì)互聯(lián)網(wǎng)理財(cái)產(chǎn)品的信任度,互聯(lián)網(wǎng)理財(cái)公司利潤(rùn)受到影響。

    隨著用戶多樣化、個(gè)性化的需求不斷增加,智能推薦策略已在智慧城市、廣播電視媒體、電子商務(wù)以及智慧旅游等領(lǐng)域得到較好的研究與應(yīng)用。現(xiàn)階段針對(duì)互聯(lián)網(wǎng)金融理財(cái)產(chǎn)品的智能推薦技術(shù)研究領(lǐng)域,國(guó)內(nèi)學(xué)者王芮瑩提出了互聯(lián)網(wǎng)金融理財(cái)產(chǎn)品多粒度推薦模型,國(guó)內(nèi)學(xué)者周瑩提出了基于證券理財(cái)產(chǎn)品用戶行為分析的個(gè)性化推薦系統(tǒng),但現(xiàn)階段針對(duì)互聯(lián)網(wǎng)金融理財(cái)產(chǎn)品的智能推薦技術(shù)研究較少。國(guó)外在互聯(lián)網(wǎng)金融理財(cái)產(chǎn)品的智能推薦技術(shù)研究比較成熟,且應(yīng)用于實(shí)際的過(guò)程中。

    二、常用推薦算法及比較

    (一)基于內(nèi)容推薦

    基于內(nèi)容推薦(CBF),通過(guò)分析用戶瀏覽或者購(gòu)買過(guò)的商品特征,得到用戶興趣偏好模型,依據(jù)模型匹配符合條件的商品,推薦與這些商品相似的商品,通過(guò)整合分析以及完善將其推薦給用戶。CBF通常使用兩種方法:

    1. 基于特征。將待推薦商品的相關(guān)特性用向量空間、概率、矢量權(quán)重向量或者貝葉斯模型的方法定義。用到的學(xué)習(xí)方法主要有神經(jīng)網(wǎng)絡(luò)法、決策樹(shù)法以及基于矢量表示法等。

    2. 基于文本分類。在大規(guī)模的文本特征即單詞和短語(yǔ)上建立有效的分類方法,對(duì)所有的文本分類。

    優(yōu)勢(shì):推薦結(jié)果直觀;不需要領(lǐng)域知識(shí);用戶偏好模型可隨用戶資料改變而改變;無(wú)新項(xiàng)目和稀疏性問(wèn)題;為特殊愛(ài)好用戶推薦。

    劣勢(shì):存在新用戶冷啟問(wèn)題;無(wú)法提供新穎性推薦;無(wú)法對(duì)音樂(lè)、圖像、視頻等非結(jié)構(gòu)化項(xiàng)目進(jìn)行推薦。

    (二)協(xié)同過(guò)濾推薦

    協(xié)同過(guò)濾推薦(CF),使用最近鄰技術(shù),通過(guò)分析用戶的歷史購(gòu)買評(píng)價(jià)數(shù)據(jù)得到用戶之間的相似性,從而產(chǎn)生目標(biāo)用戶的最近鄰居集,并利用最近鄰居用戶對(duì)待推薦商品的評(píng)價(jià)預(yù)測(cè)目標(biāo)用戶對(duì)這一商品的需求度,向用戶推薦合適商品。CF分為:

    1. 基于內(nèi)存的協(xié)同過(guò)濾推薦。在系統(tǒng)運(yùn)行的過(guò)程中將用戶—項(xiàng)目評(píng)分?jǐn)?shù)據(jù)調(diào)入內(nèi)存然后進(jìn)行協(xié)同過(guò)濾。有基于用戶和基于項(xiàng)目的協(xié)同過(guò)濾推薦。

    2. 基于模型的協(xié)同過(guò)濾推薦。根據(jù)用戶興趣數(shù)據(jù)庫(kù),用機(jī)器學(xué)習(xí)算法得到數(shù)學(xué)模型。主要有奇異值分解、聚類算法等技術(shù)。

    優(yōu)勢(shì):提供新穎性推薦;不需要領(lǐng)域知識(shí);個(gè)性化、自動(dòng)化程度高;處理非結(jié)構(gòu)化對(duì)象;隨時(shí)間推移性能高。

    劣勢(shì):存在稀疏性、冷啟動(dòng)問(wèn)題;可擴(kuò)展問(wèn)題;用戶量規(guī)模大時(shí)推薦結(jié)果耗時(shí)。

    (三)基于效用的智能推薦

    首先為每個(gè)用戶建立效用函數(shù),然后計(jì)算待推薦商品集和用戶需求的匹配度,通過(guò)比較用戶購(gòu)買該商品后可能得到的效用作出推薦。

    優(yōu)勢(shì):考慮非產(chǎn)品屬性,用戶偏好敏感。

    劣勢(shì):每位用戶需要?jiǎng)?chuàng)建效用函數(shù);靜態(tài)推薦。

    (四)基于知識(shí)的智能推薦

    首先分析目標(biāo)用戶的興趣愛(ài)好,得到用戶需求,從而為用戶提供推薦。目前流行的基于知識(shí)的智能推薦可分為如下三類:

    1. 基于案例推理的推薦(CBR)。

    2. 數(shù)據(jù)庫(kù)知識(shí)發(fā)現(xiàn)(KDD)。

    3. 基于知識(shí)推理(KR)。

    優(yōu)勢(shì):考慮非產(chǎn)品屬性。劣勢(shì):知識(shí)難以獲取;靜態(tài)推薦。

    (五)混合推薦

    通過(guò)整合兩種以上智能推薦技術(shù)彌補(bǔ)或者避免單獨(dú)推薦技術(shù)的不足,以取得質(zhì)量更高的推薦結(jié)果。通過(guò)簡(jiǎn)單的線性擬合或改進(jìn)等措施,能給企業(yè)帶來(lái)利益,用戶黏性得到增加,用戶對(duì)智能服務(wù)的滿意度也得到提高。

    三、互聯(lián)網(wǎng)金融理財(cái)產(chǎn)品智能推薦

    (一)用戶建模與更新

    1. 用戶建模

    (1)收集用戶信息

    用戶隱示輸入信息,包括用戶打開(kāi)互聯(lián)網(wǎng)理財(cái)產(chǎn)品頁(yè)面的頻率以及瀏覽時(shí)間,用戶是否對(duì)某一理財(cái)產(chǎn)品有收藏或者分享的行為,通過(guò)服務(wù)器保存的用戶日志進(jìn)行記錄和使用。用戶顯示輸入信息,收集用戶對(duì)理財(cái)產(chǎn)品或關(guān)鍵詞的搜索信息以及各種形式的調(diào)查報(bào)告。用戶基本信息,包括用戶的注冊(cè)信息及之后填寫的基本信息,且為了保證推薦算法的實(shí)時(shí)性,基本信息每隔一段時(shí)間都應(yīng)該通過(guò)一種方法進(jìn)行主動(dòng)或者被動(dòng)更新。

    (2)建立用戶模型

    基于布爾或者加權(quán)關(guān)鍵詞向量構(gòu)建用戶模型。

    2. 用戶模型更新

    如果用戶產(chǎn)生了新的行為,要對(duì)用戶行為的合法性進(jìn)行判斷,根據(jù)用戶行為的分類來(lái)決定是否需要采集用戶的行為,然后再次構(gòu)建適合用戶的模型。更新不能太過(guò)頻繁,但也不能隔太久才更新。

    (二)推薦算法

    1. 基于向量空間模型的內(nèi)容推薦。首先對(duì)資源進(jìn)行特征提取,然后比較內(nèi)容之間的相似度,有針對(duì)的為用戶推薦。經(jīng)常使用的算法為K最近鄰算法,通過(guò)向量空間模型計(jì)算所有項(xiàng)目個(gè)體的相似度,找到空間上與之最相近的K個(gè)項(xiàng)目。具體步驟如下:

    提取特征詞,并賦予不同的權(quán)重。構(gòu)建項(xiàng)目相似度模型。生成相關(guān)度矩陣。根據(jù)相關(guān)度矩陣選取相關(guān)度最高的N個(gè)資源。

    以上為傳統(tǒng)算法,基于引導(dǎo)用戶多樣化投資、分散風(fēng)險(xiǎn)的目的,僅僅推薦多類型的理財(cái)產(chǎn)品還不夠。當(dāng)生成N個(gè)推薦結(jié)果中的同類型理財(cái)產(chǎn)品有多個(gè)時(shí),應(yīng)當(dāng)把同類型的多個(gè)理財(cái)產(chǎn)品按照一定時(shí)間內(nèi)的收益率細(xì)分為低、中、高三個(gè)等級(jí)(負(fù)收益率為低收益率等級(jí)),分別按比率取三個(gè)等級(jí)前M個(gè)產(chǎn)品作為最終的推薦結(jié)果展示給用戶。

    2. 基于用戶的協(xié)同推薦。首先創(chuàng)建用戶項(xiàng)目評(píng)分矩陣,根據(jù)評(píng)分矩陣計(jì)算用戶間的相似性。然后構(gòu)建鄰居模型M,從鄰居模型M中讀取與目標(biāo)用戶u最為相似的k個(gè)鄰居用戶作為興趣相投的鄰居用戶Neb(u,k)。最后為目標(biāo)用戶u推薦鄰居用戶知道并且喜歡的而目標(biāo)用戶u未知的N個(gè)項(xiàng)目。具體步驟如下:

    (1)相似性度量

    首先對(duì)各種符號(hào)作如下約定:Rm×n=[r1,r2,…ri…rm]為用戶評(píng)分矩陣,其中ri=[ri1,ri2,…rin]。T為用戶u的評(píng)分向量,表示下表中的第i行,rj代表用戶v的評(píng)分向量。Tu、Tv分別表示用戶u和用戶v評(píng)過(guò)分的項(xiàng)目集合?!龇謩e表示用戶u、v對(duì)所有項(xiàng)目的平均打分?!霰硎舅杏脩魧?duì)項(xiàng)目i的平均打分。用戶集合為U,項(xiàng)目集合為I。

    因此,在理財(cái)產(chǎn)品智能推薦算法中可以采用修正后的余弦相似度或皮爾遜相似度去度量用戶相似性。

    修正后的余弦相似度:

    皮爾遜相似度:

    (2)確定最近鄰居

    在得到用戶與目標(biāo)用戶的相似性后,選擇合適的相似性閥值,選取相似性大于閥值的作為鄰居用戶,或者選擇N個(gè)相似性最大的用戶作為鄰居用戶。

    (3)產(chǎn)生推薦

    用戶對(duì)目標(biāo)項(xiàng)目i的預(yù)測(cè)評(píng)分:

    加權(quán)后用戶對(duì)目標(biāo)項(xiàng)目i的預(yù)測(cè)評(píng)分:

    由于協(xié)同過(guò)濾推薦存在數(shù)據(jù)稀疏性問(wèn)題,用戶只對(duì)很少一部分項(xiàng)目有評(píng)分。需要先對(duì)項(xiàng)目進(jìn)行處理,一般可以用聚類或者矩陣填充的方法解決。對(duì)于互聯(lián)網(wǎng)金融理財(cái)產(chǎn)品的智能推薦,可以采用矩陣填充的方法,使用平均值對(duì)缺省值進(jìn)行填充,將稀疏矩陣轉(zhuǎn)換為密集矩陣。

    3. 在基于協(xié)同過(guò)濾的基礎(chǔ)上加入個(gè)性化情境。個(gè)性化情境分為兩類:用戶情境和環(huán)境情境,但本文不涉及環(huán)境情境。用戶情境由用戶基本信息組合,包括性別,年齡,職業(yè),受教育程度,家庭月收入,家庭總資產(chǎn)凈值,期望投資期限,投資態(tài)度,用n元組Cu表示,具體描述如下:

    其中,性別由集合Sex表示,由2種性別構(gòu)成,即男、女;年齡由集合Age表示,由6個(gè)年齡段構(gòu)成,即18歲以下,18-25,26-50,51-60,61-64,65歲以上;職業(yè)由集合Occupation表示,由8大類職業(yè)構(gòu)成,即政府機(jī)關(guān),事業(yè)單位,國(guó)企,私企,金融機(jī)構(gòu),學(xué)生,退休人員,其他;受教育程度由集合Education表示,由4種受教育程度構(gòu)成,即初中及以下,高中,大?;虮究?,碩士、博士及更高;家庭月收入由集合Income表示,由6種收入情況構(gòu)成,即均待業(yè)暫未收入,2000以下,2000-6000,6000-10000,10000-20000,20000以上;家庭總資產(chǎn)凈值由集合TotalAssets表示,由5種資產(chǎn)凈值表示,即15萬(wàn)元及以下,15萬(wàn)元-50萬(wàn)元,50萬(wàn)元-100萬(wàn)元,100萬(wàn)元-1000萬(wàn)元,1000萬(wàn)元以上;期望投資期限由集合Term表示,由4種期望表示,即隨時(shí)取出,6個(gè)月以內(nèi),6個(gè)月到一年,一年以上;投資態(tài)度由集合Attitude表示,由4種投資態(tài)度構(gòu)成,即厭惡風(fēng)險(xiǎn),保守投資,尋求資金的較高收益和成長(zhǎng),希望賺取高回報(bào),能接受為期較長(zhǎng)期間的負(fù)面波動(dòng)包括本金損失。

    在對(duì)情境信息進(jìn)行描述之后,接下來(lái)對(duì)用戶進(jìn)行聚類分析,將用戶群體劃分成多個(gè)不同用戶集合,使同一集合內(nèi)的用戶相似度較高(具有相似情境),不同集合間的用戶相似度低(情境相差較大)。設(shè)用戶集合為■,對(duì)于任意用戶Ui其情境定義Ci如下:■;利用相異度矩陣來(lái)描述情境數(shù)據(jù)之間的差異,情境相異度d(Ci,Cj)的計(jì)算方式如下:■。

    其中,情境由L個(gè)混合變量組成,■和■為指示函數(shù),如果Ci或者Cj中的第v個(gè)變量的度量值缺失,那么■=0,否則■=1;如果Ci和Cj中的第v個(gè)變量的度量值相同,那么■=1,否則■=0。d(Ci,Cj)越接近1,則說(shuō)明Ci和Cj相似度越大,反之,說(shuō)明Ci和Cj相似度越小。根據(jù)實(shí)際情況,當(dāng)d(Ci,Cj)的值在一定范圍內(nèi)時(shí),認(rèn)為Cj是Ci的一個(gè)相似聚落。

    4. 基于個(gè)性化情境加入評(píng)分的協(xié)同推薦。即使Cj是Ci的一個(gè)相似聚落,仍需繼續(xù)對(duì)同一聚落的用戶進(jìn)行劃分。在現(xiàn)實(shí)生活中,用戶通常會(huì)在網(wǎng)站上進(jìn)行交互活動(dòng)(評(píng)論,評(píng)分等行為),而這種交互活動(dòng)會(huì)對(duì)其他用戶的購(gòu)買行為產(chǎn)生直接或間接的影響。下面闡述加入評(píng)分的算法并結(jié)合上述加入個(gè)性化情境的算法進(jìn)行分析。

    首先在通過(guò)上述加入個(gè)性化情境的協(xié)同推薦得到的相似聚落中建立一個(gè)用戶-產(chǎn)品評(píng)分的關(guān)系矩陣。設(shè)用戶集合為■,產(chǎn)品集合為■,用戶-產(chǎn)品評(píng)分矩陣為R。評(píng)分由[0,0.1,1]三種組成,其中0表示未評(píng),0.1表示差評(píng),1表示好評(píng)。例如:Rij=0表示用戶Ui對(duì)產(chǎn)品Ij未進(jìn)行評(píng)價(jià);Rij=0.1表示用戶Ui對(duì)產(chǎn)品Ij差評(píng),Rij=1表示用戶Ui對(duì)產(chǎn)品Ij好評(píng)。

    在Rij的基礎(chǔ)上建立用戶關(guān)系矩陣■,

    M用于描述不同用戶對(duì)相同產(chǎn)品進(jìn)行評(píng)分的情況。Cpqj表示用戶Up和Uq同時(shí)對(duì)產(chǎn)品Ij的評(píng)分情況。其中:

    則設(shè)一函數(shù)■表示Up和Uq對(duì)所有產(chǎn)品評(píng)分相同的數(shù)量,另設(shè)一函數(shù)■表示Up和Uq共同參與評(píng)分的產(chǎn)品數(shù),Cpqj表示用戶Up和Uq是否同時(shí)對(duì)產(chǎn)品Ij進(jìn)行評(píng)分。其中■,評(píng)分相異度為:■。

    其中Md越接近1,表示Up和Uq對(duì)產(chǎn)品的評(píng)分情況越相近,表明兩者對(duì)產(chǎn)品的喜好越相近;反之則表示兩者對(duì)產(chǎn)品的喜好越相異。同樣的,根據(jù)現(xiàn)實(shí)情況,Md將在一定差異范圍內(nèi)的用戶認(rèn)為是相似用戶,再將Md和d(Ci,Cj)定為權(quán)重將目標(biāo)用戶的相似用戶的喜好產(chǎn)品進(jìn)行計(jì)算,得分前三的產(chǎn)品推薦給目標(biāo)用戶。

    四、基于混合推薦的互聯(lián)網(wǎng)理財(cái)產(chǎn)品智能推薦方案

    (一)混合推薦技術(shù)主要組合策略

    混合推薦技術(shù)的思想是將不同的推薦技術(shù)按照某種方法進(jìn)行組合,以發(fā)揮各種推薦技術(shù)的優(yōu)點(diǎn),彌補(bǔ)其缺點(diǎn),產(chǎn)生更優(yōu)的推薦結(jié)果。不同組合策略的推薦效率不同,推薦結(jié)果也不同。目前常用組合策略有以下幾種:

    1. 加權(quán)混合法:首先采用多種推薦技術(shù),然后分別得到對(duì)某一項(xiàng)目的預(yù)測(cè)評(píng)分,根據(jù)不同的權(quán)重相加,得出推薦結(jié)果。

    2. 切換混合法:具體采用哪一種推薦技術(shù)取決于當(dāng)時(shí)的需求和實(shí)際情況,根據(jù)應(yīng)用場(chǎng)合不同切換不同推薦技術(shù)。

    3. 流水混合法:一種推薦技術(shù)的結(jié)果輸出作為另一種推薦技術(shù)的輸入繼續(xù)推薦。

    4. 特征組合法:組合來(lái)自不同推薦數(shù)據(jù)源的特征并被一種主要推薦算法所采用。

    5. 交叉混合法:幾種推薦方法同時(shí)進(jìn)行,產(chǎn)生的結(jié)果是由各種方法所得結(jié)果的混合。

    6. 分級(jí)混合法:一種推薦方法使用其他推薦方法構(gòu)建的模型進(jìn)行推薦。

    (二)互聯(lián)網(wǎng)金融理財(cái)產(chǎn)品混合推薦的組合策略

    基于上述幾種推薦方法的比較分析,互聯(lián)網(wǎng)金融理財(cái)產(chǎn)品的混合推薦適合以下兩種組合策略:

    1. 交叉混合法。將基于內(nèi)容推薦和基于用戶的協(xié)同過(guò)濾推薦產(chǎn)生的結(jié)果按相應(yīng)比例組合在一起,如果兩個(gè)算法有共同的推薦結(jié)果,應(yīng)該先合并并展示共同的推薦結(jié)果,如果存在沖突,還需要提供沖突解決方案。

    2. 切換混合法。在沒(méi)有足夠的用戶評(píng)分?jǐn)?shù)據(jù)或是用戶購(gòu)買、瀏覽記錄時(shí),切換至基于知識(shí)的推薦;當(dāng)有足夠的用戶評(píng)分?jǐn)?shù)據(jù)或是用戶購(gòu)買、瀏覽記錄時(shí),切換至基于內(nèi)容和基于用戶的協(xié)同過(guò)濾推薦的交叉混合法。當(dāng)需要突然時(shí)時(shí)在線更新時(shí),也可以切換至基于知識(shí)的推薦。

    (三)互聯(lián)網(wǎng)金融理財(cái)產(chǎn)品混合推薦模型

    1. 用戶數(shù)據(jù)模塊。如果存在較多用戶信息,則收集用戶狀態(tài)、屬性數(shù)據(jù)。用戶行為數(shù)據(jù)通過(guò)行為日志提取,經(jīng)過(guò)數(shù)據(jù)預(yù)處理之后,與用戶狀態(tài)、屬性數(shù)據(jù)一起表示為用戶特征。

    2. 物品特征模塊根據(jù)用戶特征向量,分別采用基于內(nèi)容、基于知識(shí)、基于用戶的協(xié)同過(guò)濾技術(shù)篩選出相關(guān)物品應(yīng)該具備的特征。

    3. 候選物品模塊。根據(jù)相關(guān)的數(shù)據(jù)表,篩選出候選物品的集合,產(chǎn)生初始推薦物品。并將基于內(nèi)容、基于知識(shí)、基于用戶的協(xié)同過(guò)濾技術(shù)篩選出的物品分別存儲(chǔ)在獨(dú)立的單元。

    4. 過(guò)濾模塊。將獨(dú)立單元中的物品分別過(guò)濾出已推薦和未推薦過(guò)的候選物品,基于互聯(lián)網(wǎng)理財(cái)產(chǎn)品的特性,如果存在較多的已推薦過(guò)的物品,應(yīng)該保留少部分已推薦過(guò)的物品。

    5. 排名模塊。在各獨(dú)立單元的候選物品中,給準(zhǔn)確性和覆蓋度附以較高的權(quán)重,新穎度和多樣性附以相對(duì)較低的權(quán)重分別對(duì)已推薦和未推薦的物品進(jìn)行排名。

    6. 同類型產(chǎn)品排名模塊。在各獨(dú)立單元的候選物品中,如果同類型產(chǎn)品有多個(gè)。取第一次排名靠前的n個(gè)候選物品,按產(chǎn)品類型分類,然后按同類型產(chǎn)品的收益率排名。如果同類型產(chǎn)品較少,則不予排名,直接取TOP-N產(chǎn)品。

    7. 推薦結(jié)果模塊。如果用戶信息量較少或者計(jì)算復(fù)雜,則切換為基于知識(shí)的推薦算法,調(diào)取基于知識(shí)的經(jīng)過(guò)過(guò)濾和兩次排名的產(chǎn)品。如果用戶信息量較多或者計(jì)算相對(duì)簡(jiǎn)單,切換為基于內(nèi)容和基于用戶的協(xié)同推薦混合模型,采取交叉混合方法,根據(jù)對(duì)應(yīng)的權(quán)重,調(diào)取基于內(nèi)容的經(jīng)過(guò)過(guò)濾和兩次排名的i個(gè)產(chǎn)品,調(diào)取基于用戶的協(xié)同過(guò)濾經(jīng)過(guò)過(guò)濾和兩次排名的j個(gè)產(chǎn)品。

    8. 更新與反饋。如果用戶對(duì)推薦的結(jié)果長(zhǎng)時(shí)間無(wú)行為狀態(tài),則修正推薦模型。如果用戶的屬性信息、狀態(tài)信息、行為信息發(fā)生改變,需要以合適的時(shí)間更新用戶模型。

    五、總結(jié)與展望

    本文在對(duì)比分析以往智能推薦算法優(yōu)缺點(diǎn)的基礎(chǔ)上,提出了基于內(nèi)容、基于用戶的協(xié)同推薦、基于知識(shí)三者于一體的混合推薦,引入切換混合、交叉混合兩種混合策略,能在不同情形下動(dòng)態(tài)切換。避免了推薦的理財(cái)產(chǎn)品過(guò)于同質(zhì)化,信息過(guò)載問(wèn)題普遍的今天,對(duì)于欠缺理財(cái)知識(shí)的新用戶,通過(guò)智能推薦可以減輕用戶選擇的憂慮,對(duì)于積累了一定理財(cái)知識(shí)的用戶,可以快速定位合適的產(chǎn)品,合適的推薦能減少用戶流失率而為公司帶來(lái)增值效益。

    但由于專業(yè)知識(shí)限制,本文在算法上還有許多缺陷和不足之處,對(duì)于理財(cái)產(chǎn)品的特殊性考慮也較少。未來(lái)還需要在以下方面改進(jìn):未充分考慮理財(cái)產(chǎn)品和普通商品的差異;

    對(duì)于推薦結(jié)果的評(píng)價(jià),除了傳統(tǒng)的評(píng)價(jià)方法,理財(cái)產(chǎn)品的推薦結(jié)果評(píng)價(jià)應(yīng)該能夠盡量避免結(jié)構(gòu)化風(fēng)險(xiǎn);需要構(gòu)建一個(gè)適合理財(cái)產(chǎn)品的動(dòng)態(tài)推薦系統(tǒng)。

    參考文獻(xiàn):

    [1] 郎鵬程.基于用戶協(xié)同過(guò)濾推薦技術(shù)的研究與實(shí)現(xiàn)[D].寧夏:寧夏大學(xué),2017.

    [2] 王芮瑩.互聯(lián)網(wǎng)金融理財(cái)產(chǎn)品多粒度推薦模型研究[D].重慶:重慶工商大學(xué),2018.

    [3] 汪瑜彬.基于混合協(xié)同過(guò)濾的電影推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D].北京:北京工業(yè)大學(xué),2016.

    [4] 張春麗,張濤.基于用戶社會(huì)關(guān)系推送理財(cái)產(chǎn)品的研究[J].電腦知識(shí)與技術(shù),2016,(12).

    [5] 張松蘭.智能推薦算法研究綜述[J].長(zhǎng)春師范大學(xué)學(xué)報(bào),2017,(36).

    [6] 周瑩.基于證券理財(cái)產(chǎn)品用戶行為分析的個(gè)性化推薦研究[D].成都,電子科技大學(xué),2014.

    [7] 朱子江,劉東,劉壽強(qiáng).基于用戶行為的推薦算法研究[J].軟件導(dǎo)刊,2017,(16).

    嫩草影院入口| 亚洲国产日韩一区二区| 国产极品天堂在线| 亚洲精品乱久久久久久| 免费日韩欧美在线观看| 欧美97在线视频| 日本黄色日本黄色录像| 大香蕉久久成人网| 成人亚洲欧美一区二区av| 精品少妇黑人巨大在线播放| 亚洲成av片中文字幕在线观看| av视频免费观看在线观看| 另类亚洲欧美激情| 高清视频免费观看一区二区| 高清视频免费观看一区二区| 国产午夜精品一二区理论片| 免费看不卡的av| 人妻 亚洲 视频| 亚洲精品一二三| 国产成人系列免费观看| 欧美97在线视频| 国产不卡av网站在线观看| a级片在线免费高清观看视频| 国产欧美亚洲国产| 精品国产露脸久久av麻豆| 制服丝袜香蕉在线| 免费高清在线观看视频在线观看| a级毛片在线看网站| 国产极品天堂在线| 亚洲美女视频黄频| 色综合欧美亚洲国产小说| 国产精品亚洲av一区麻豆 | 中文字幕人妻丝袜制服| 国产精品二区激情视频| 国产免费现黄频在线看| 中文字幕另类日韩欧美亚洲嫩草| 精品福利永久在线观看| 精品国产乱码久久久久久小说| 精品久久蜜臀av无| 久久热在线av| av网站在线播放免费| 中文字幕最新亚洲高清| 一二三四中文在线观看免费高清| 午夜91福利影院| 中文乱码字字幕精品一区二区三区| 97人妻天天添夜夜摸| 欧美 日韩 精品 国产| 波多野结衣av一区二区av| 午夜福利,免费看| 国产精品av久久久久免费| a级毛片在线看网站| 在线观看免费午夜福利视频| 一本—道久久a久久精品蜜桃钙片| 黑人猛操日本美女一级片| www.av在线官网国产| 最近最新中文字幕大全免费视频 | 一区二区日韩欧美中文字幕| 亚洲精品一二三| 曰老女人黄片| 一本色道久久久久久精品综合| 一本—道久久a久久精品蜜桃钙片| 欧美少妇被猛烈插入视频| 啦啦啦视频在线资源免费观看| 热99国产精品久久久久久7| 亚洲精品国产区一区二| 国产成人系列免费观看| 国产探花极品一区二区| 欧美日韩一区二区视频在线观看视频在线| 波野结衣二区三区在线| 国产伦人伦偷精品视频| 国产精品一国产av| 日韩中文字幕视频在线看片| 校园人妻丝袜中文字幕| 国产精品熟女久久久久浪| 婷婷成人精品国产| 亚洲第一av免费看| 亚洲精品美女久久久久99蜜臀 | 最近中文字幕2019免费版| 精品国产乱码久久久久久男人| 久久国产精品大桥未久av| 免费在线观看完整版高清| 在现免费观看毛片| 久久久久精品性色| 婷婷色av中文字幕| 日韩视频在线欧美| 女人久久www免费人成看片| 天堂中文最新版在线下载| 大香蕉久久成人网| 亚洲免费av在线视频| 搡老乐熟女国产| 国语对白做爰xxxⅹ性视频网站| 久久久久国产精品人妻一区二区| 中文字幕亚洲精品专区| 精品一区二区三卡| 国产探花极品一区二区| 制服丝袜香蕉在线| 国产欧美日韩综合在线一区二区| 国产成人啪精品午夜网站| 一区二区三区四区激情视频| 亚洲精品日本国产第一区| 如何舔出高潮| 亚洲第一av免费看| av有码第一页| 男女下面插进去视频免费观看| 操出白浆在线播放| 久久ye,这里只有精品| 中文字幕精品免费在线观看视频| 美女视频免费永久观看网站| 午夜福利乱码中文字幕| 在线天堂最新版资源| 免费在线观看黄色视频的| 国产精品一区二区在线不卡| 97在线人人人人妻| 国产日韩欧美在线精品| 看十八女毛片水多多多| 亚洲精品日韩在线中文字幕| 爱豆传媒免费全集在线观看| 中文字幕高清在线视频| 丰满饥渴人妻一区二区三| 男女无遮挡免费网站观看| 精品国产露脸久久av麻豆| 操出白浆在线播放| 国产精品女同一区二区软件| 亚洲欧美中文字幕日韩二区| 免费黄频网站在线观看国产| 国产在线免费精品| 午夜av观看不卡| 制服人妻中文乱码| 老司机在亚洲福利影院| 麻豆乱淫一区二区| 国产97色在线日韩免费| 欧美激情高清一区二区三区 | videos熟女内射| 一级片'在线观看视频| 中国三级夫妇交换| 久久久久久久久免费视频了| 欧美乱码精品一区二区三区| 啦啦啦啦在线视频资源| 波多野结衣av一区二区av| 国产一区二区激情短视频 | 欧美 日韩 精品 国产| 亚洲第一青青草原| 亚洲激情五月婷婷啪啪| 中文字幕色久视频| 丝袜美足系列| 久久久久久久大尺度免费视频| 国产又色又爽无遮挡免| 满18在线观看网站| 性少妇av在线| 亚洲精品av麻豆狂野| 另类精品久久| 国产成人午夜福利电影在线观看| 亚洲精品aⅴ在线观看| 日日撸夜夜添| 一二三四中文在线观看免费高清| 天堂俺去俺来也www色官网| 午夜免费男女啪啪视频观看| 午夜福利网站1000一区二区三区| 国产一区亚洲一区在线观看| av电影中文网址| 老熟女久久久| 美女高潮到喷水免费观看| 一区在线观看完整版| 国产一区二区 视频在线| 亚洲精品第二区| 精品一品国产午夜福利视频| 精品免费久久久久久久清纯 | 少妇被粗大猛烈的视频| 人人澡人人妻人| 日韩 亚洲 欧美在线| 91老司机精品| 啦啦啦在线免费观看视频4| 一区二区三区乱码不卡18| 亚洲综合色网址| 天天躁日日躁夜夜躁夜夜| 久久久久久免费高清国产稀缺| 久久久久久久国产电影| 在线观看国产h片| 丰满乱子伦码专区| 日本一区二区免费在线视频| 欧美精品av麻豆av| 国产高清国产精品国产三级| 欧美精品一区二区免费开放| 中文精品一卡2卡3卡4更新| 亚洲精品自拍成人| 日韩大码丰满熟妇| 日韩中文字幕视频在线看片| 欧美日韩福利视频一区二区| 国产精品国产三级专区第一集| 国产成人91sexporn| 夫妻性生交免费视频一级片| 午夜影院在线不卡| 九草在线视频观看| 91aial.com中文字幕在线观看| 搡老乐熟女国产| 一级黄片播放器| 国产精品久久久人人做人人爽| 一级片免费观看大全| 免费av中文字幕在线| 丝袜脚勾引网站| 两个人免费观看高清视频| 亚洲av欧美aⅴ国产| 国产激情久久老熟女| 成年人午夜在线观看视频| 国产色婷婷99| 一级片免费观看大全| 男女国产视频网站| 韩国高清视频一区二区三区| 亚洲第一青青草原| 亚洲熟女精品中文字幕| av在线播放精品| 三上悠亚av全集在线观看| 国产免费现黄频在线看| 一级毛片 在线播放| 高清欧美精品videossex| 国产色婷婷99| 日韩av不卡免费在线播放| 伦理电影免费视频| 亚洲三区欧美一区| 国产探花极品一区二区| 人人妻人人澡人人看| 中文字幕高清在线视频| 成人国语在线视频| 99九九在线精品视频| 久久久国产欧美日韩av| av.在线天堂| 亚洲av福利一区| 97人妻天天添夜夜摸| 亚洲视频免费观看视频| 这个男人来自地球电影免费观看 | 亚洲图色成人| 免费女性裸体啪啪无遮挡网站| 精品久久久久久电影网| 国产精品久久久久成人av| 青春草视频在线免费观看| 久久天躁狠狠躁夜夜2o2o | 亚洲色图综合在线观看| 狠狠精品人妻久久久久久综合| 90打野战视频偷拍视频| e午夜精品久久久久久久| 我要看黄色一级片免费的| 一级爰片在线观看| 美女大奶头黄色视频| 2018国产大陆天天弄谢| 日韩一区二区三区影片| 国产在线视频一区二区| 国产熟女午夜一区二区三区| 亚洲欧洲精品一区二区精品久久久 | 久久久国产一区二区| 黄色视频在线播放观看不卡| 午夜福利一区二区在线看| 亚洲精品自拍成人| 久久久久久久精品精品| 在线亚洲精品国产二区图片欧美| 午夜福利在线免费观看网站| 亚洲熟女精品中文字幕| 亚洲精品久久久久久婷婷小说| 成人影院久久| 亚洲图色成人| 国产伦理片在线播放av一区| av在线观看视频网站免费| 国产av国产精品国产| 亚洲欧美色中文字幕在线| av网站免费在线观看视频| 一边亲一边摸免费视频| 天堂俺去俺来也www色官网| 国产一区二区激情短视频 | 久久久久久久大尺度免费视频| 精品酒店卫生间| 菩萨蛮人人尽说江南好唐韦庄| av国产久精品久网站免费入址| 欧美在线黄色| 亚洲一码二码三码区别大吗| 国产精品免费大片| 亚洲国产欧美网| www.熟女人妻精品国产| av女优亚洲男人天堂| 亚洲人成网站在线观看播放| 两性夫妻黄色片| 丰满少妇做爰视频| 精品视频人人做人人爽| 亚洲精品视频女| 黄色怎么调成土黄色| 韩国精品一区二区三区| 亚洲av电影在线进入| 性少妇av在线| 超碰成人久久| 青春草视频在线免费观看| 亚洲精品自拍成人| 综合色丁香网| av线在线观看网站| 51午夜福利影视在线观看| 国产精品 欧美亚洲| 亚洲av综合色区一区| 欧美激情极品国产一区二区三区| 99久久精品国产亚洲精品| 亚洲综合精品二区| 乱人伦中国视频| 免费观看av网站的网址| 多毛熟女@视频| 国产无遮挡羞羞视频在线观看| 久久久国产精品麻豆| 日韩大片免费观看网站| 下体分泌物呈黄色| 久久av网站| 99热网站在线观看| 美女国产高潮福利片在线看| 国产精品二区激情视频| 极品人妻少妇av视频| 曰老女人黄片| 亚洲久久久国产精品| 亚洲国产av影院在线观看| 欧美日韩精品网址| 十八禁网站网址无遮挡| 国产成人免费观看mmmm| 97精品久久久久久久久久精品| 久久久久精品人妻al黑| 操美女的视频在线观看| 一二三四在线观看免费中文在| 97精品久久久久久久久久精品| 亚洲av综合色区一区| 成人免费观看视频高清| 色综合欧美亚洲国产小说| 久热爱精品视频在线9| 久久天堂一区二区三区四区| 日韩伦理黄色片| 人妻人人澡人人爽人人| 日韩欧美一区视频在线观看| 欧美在线一区亚洲| 黑人欧美特级aaaaaa片| 日本wwww免费看| 看免费av毛片| 亚洲国产精品国产精品| 在线看a的网站| 亚洲精品国产色婷婷电影| 欧美精品亚洲一区二区| 在线观看免费高清a一片| 欧美 日韩 精品 国产| 丝袜美腿诱惑在线| 日本猛色少妇xxxxx猛交久久| 2021少妇久久久久久久久久久| 一级毛片我不卡| 欧美黑人精品巨大| 欧美日韩福利视频一区二区| 亚洲一区中文字幕在线| 国产欧美亚洲国产| 亚洲av福利一区| 欧美成人精品欧美一级黄| 久久精品人人爽人人爽视色| 精品视频人人做人人爽| 99re6热这里在线精品视频| 亚洲精品aⅴ在线观看| 国产一区二区 视频在线| 丝瓜视频免费看黄片| 亚洲一码二码三码区别大吗| 一边亲一边摸免费视频| 18禁动态无遮挡网站| 国产黄色视频一区二区在线观看| 无遮挡黄片免费观看| 免费观看av网站的网址| 亚洲国产精品一区三区| 亚洲专区中文字幕在线 | 日日撸夜夜添| 在线观看www视频免费| 国产高清不卡午夜福利| 一本—道久久a久久精品蜜桃钙片| 久久久久国产精品人妻一区二区| 80岁老熟妇乱子伦牲交| 欧美人与性动交α欧美精品济南到| 男男h啪啪无遮挡| 在线观看免费视频网站a站| 在线观看免费日韩欧美大片| 亚洲色图综合在线观看| 亚洲av综合色区一区| 老司机在亚洲福利影院| 宅男免费午夜| 在线观看免费午夜福利视频| 老司机影院成人| 看免费成人av毛片| 成人三级做爰电影| 亚洲欧美日韩另类电影网站| 色94色欧美一区二区| 欧美国产精品一级二级三级| 黑人巨大精品欧美一区二区蜜桃| 高清黄色对白视频在线免费看| av国产精品久久久久影院| 巨乳人妻的诱惑在线观看| 在线观看免费日韩欧美大片| 精品卡一卡二卡四卡免费| 考比视频在线观看| 日韩不卡一区二区三区视频在线| 久久精品亚洲熟妇少妇任你| 免费看不卡的av| 亚洲伊人久久精品综合| 亚洲欧美激情在线| 国产精品.久久久| av天堂久久9| videos熟女内射| 久久性视频一级片| 免费在线观看视频国产中文字幕亚洲 | 亚洲国产最新在线播放| 丁香六月天网| 亚洲精品视频女| 欧美日韩国产mv在线观看视频| 欧美黑人精品巨大| 色吧在线观看| 国产欧美日韩一区二区三区在线| 日韩大码丰满熟妇| 欧美日韩精品网址| 免费观看人在逋| 黄片播放在线免费| 久久精品熟女亚洲av麻豆精品| 日韩不卡一区二区三区视频在线| 国产亚洲av高清不卡| 国产在线免费精品| 夫妻午夜视频| 日日啪夜夜爽| 丝袜人妻中文字幕| 国产高清国产精品国产三级| 精品亚洲成a人片在线观看| 美女脱内裤让男人舔精品视频| 只有这里有精品99| 91老司机精品| 精品视频人人做人人爽| 精品国产乱码久久久久久小说| 久久 成人 亚洲| 九九爱精品视频在线观看| 18在线观看网站| 久久 成人 亚洲| 一区二区三区激情视频| 免费观看人在逋| 久久韩国三级中文字幕| 国产成人午夜福利电影在线观看| 99久久精品国产亚洲精品| 免费黄色在线免费观看| 黄色视频不卡| 亚洲国产中文字幕在线视频| 精品亚洲成a人片在线观看| 午夜免费观看性视频| 老司机影院毛片| 在线观看国产h片| 涩涩av久久男人的天堂| 一区在线观看完整版| 国产成人免费无遮挡视频| 2021少妇久久久久久久久久久| 亚洲精华国产精华液的使用体验| 国产精品亚洲av一区麻豆 | 一级毛片黄色毛片免费观看视频| 欧美久久黑人一区二区| 一级爰片在线观看| 在线观看免费日韩欧美大片| 精品国产国语对白av| kizo精华| 久久久久精品久久久久真实原创| 国产在线免费精品| 国产成人欧美在线观看 | 久久久久人妻精品一区果冻| 在线观看一区二区三区激情| 国产一区二区在线观看av| 久久97久久精品| 热re99久久精品国产66热6| 国产伦人伦偷精品视频| 卡戴珊不雅视频在线播放| 久久天堂一区二区三区四区| 亚洲一级一片aⅴ在线观看| 丝袜在线中文字幕| 看十八女毛片水多多多| 亚洲av电影在线观看一区二区三区| 丁香六月天网| 波多野结衣一区麻豆| 亚洲精品久久午夜乱码| 午夜福利视频精品| 亚洲精品久久成人aⅴ小说| 操美女的视频在线观看| 18禁动态无遮挡网站| 这个男人来自地球电影免费观看 | 97在线人人人人妻| 美女脱内裤让男人舔精品视频| 国产高清不卡午夜福利| 少妇的丰满在线观看| 亚洲精品成人av观看孕妇| 久久女婷五月综合色啪小说| 欧美日韩综合久久久久久| 欧美久久黑人一区二区| 久久人人97超碰香蕉20202| 亚洲五月色婷婷综合| 免费观看人在逋| 午夜福利影视在线免费观看| 大陆偷拍与自拍| 欧美日韩国产mv在线观看视频| 亚洲成色77777| 精品少妇内射三级| 久久久国产精品麻豆| 国产精品女同一区二区软件| 久久亚洲国产成人精品v| 久久午夜综合久久蜜桃| 欧美97在线视频| 日本vs欧美在线观看视频| 美女视频免费永久观看网站| 国产福利在线免费观看视频| 91精品伊人久久大香线蕉| 国产成人午夜福利电影在线观看| www.精华液| 国产xxxxx性猛交| 最近最新中文字幕免费大全7| 亚洲av男天堂| 色婷婷久久久亚洲欧美| 亚洲成人国产一区在线观看 | 两性夫妻黄色片| 国产精品一区二区精品视频观看| 免费观看人在逋| 嫩草影院入口| 国产一区二区激情短视频 | 亚洲国产精品999| 99精国产麻豆久久婷婷| 亚洲精品av麻豆狂野| 19禁男女啪啪无遮挡网站| 在线天堂中文资源库| 91精品国产国语对白视频| 五月开心婷婷网| 国产1区2区3区精品| 91精品三级在线观看| 国产激情久久老熟女| 日韩 欧美 亚洲 中文字幕| www.精华液| 人人妻,人人澡人人爽秒播 | 久久久久久久久久久免费av| 男男h啪啪无遮挡| 亚洲人成77777在线视频| 色播在线永久视频| 国产免费现黄频在线看| 天天躁日日躁夜夜躁夜夜| 欧美激情高清一区二区三区 | 最近最新中文字幕大全免费视频 | 国产成人欧美| 精品国产乱码久久久久久小说| 成年av动漫网址| 亚洲国产av影院在线观看| 十八禁高潮呻吟视频| 桃花免费在线播放| 在线观看人妻少妇| 成人国产av品久久久| 黄色一级大片看看| 日日摸夜夜添夜夜爱| 久久久国产精品麻豆| av国产久精品久网站免费入址| 色网站视频免费| 2021少妇久久久久久久久久久| 国产成人精品久久久久久| av不卡在线播放| 男的添女的下面高潮视频| 亚洲欧美精品综合一区二区三区| 日韩av在线免费看完整版不卡| 亚洲欧美精品综合一区二区三区| 婷婷色麻豆天堂久久| 国产亚洲一区二区精品| 男人操女人黄网站| 中文字幕制服av| 日日撸夜夜添| 亚洲第一av免费看| 日本wwww免费看| 欧美日韩亚洲国产一区二区在线观看 | 日本爱情动作片www.在线观看| 国产精品久久久人人做人人爽| 欧美中文综合在线视频| 成年动漫av网址| 又粗又硬又长又爽又黄的视频| 日韩电影二区| 中文字幕最新亚洲高清| 午夜福利,免费看| 日日爽夜夜爽网站| 夫妻性生交免费视频一级片| 日韩欧美精品免费久久| 男女免费视频国产| 最近的中文字幕免费完整| 久久99精品国语久久久| 999精品在线视频| 国产极品粉嫩免费观看在线| 亚洲av在线观看美女高潮| av又黄又爽大尺度在线免费看| 久久精品熟女亚洲av麻豆精品| 国产高清国产精品国产三级| 男女床上黄色一级片免费看| 天堂8中文在线网| 女人久久www免费人成看片| 好男人视频免费观看在线| 天堂中文最新版在线下载| 老司机在亚洲福利影院| 亚洲精品久久久久久婷婷小说| 亚洲成人一二三区av| 亚洲欧洲国产日韩| 欧美av亚洲av综合av国产av | 国产色婷婷99| 一级毛片电影观看| 亚洲,欧美,日韩| 精品少妇久久久久久888优播| 看十八女毛片水多多多| 中文字幕精品免费在线观看视频| 天天操日日干夜夜撸| 久久人人爽人人片av| 青草久久国产| 永久免费av网站大全| 在线观看国产h片| 国产探花极品一区二区| 毛片一级片免费看久久久久| 成人亚洲欧美一区二区av| 超碰成人久久| 麻豆av在线久日| 一边摸一边做爽爽视频免费| 国产精品偷伦视频观看了| 国产精品蜜桃在线观看| e午夜精品久久久久久久| 欧美97在线视频| 中文字幕最新亚洲高清| 啦啦啦 在线观看视频|