• <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).

    黄色欧美视频在线观看| 国产久久久一区二区三区| 亚洲美女搞黄在线观看| 久久精品国产亚洲av涩爱| 22中文网久久字幕| 国产av不卡久久| 午夜福利在线观看吧| 99久国产av精品| 成人午夜精彩视频在线观看| 亚洲精品亚洲一区二区| 最近视频中文字幕2019在线8| 简卡轻食公司| 中文在线观看免费www的网站| 国产精品av视频在线免费观看| 精品午夜福利在线看| 久久久久国产网址| 精品国内亚洲2022精品成人| 欧美不卡视频在线免费观看| 亚洲精品乱码久久久久久按摩| 色综合亚洲欧美另类图片| 中国国产av一级| 亚洲四区av| 能在线免费看毛片的网站| 亚洲成人一二三区av| 欧美3d第一页| 女的被弄到高潮叫床怎么办| 亚洲不卡免费看| 亚洲在线自拍视频| 欧美97在线视频| 69人妻影院| 午夜精品国产一区二区电影 | 蜜桃久久精品国产亚洲av| 日韩一区二区三区影片| 久99久视频精品免费| 高清欧美精品videossex| 欧美成人一区二区免费高清观看| 在线观看免费高清a一片| 男插女下体视频免费在线播放| 乱系列少妇在线播放| 婷婷色综合www| 汤姆久久久久久久影院中文字幕 | 国产精品一区二区三区四区久久| 国产黄片视频在线免费观看| 大片免费播放器 马上看| 日韩欧美精品免费久久| 久久久久精品性色| 成年av动漫网址| 午夜视频国产福利| 国产精品一区二区在线观看99 | 欧美不卡视频在线免费观看| 三级国产精品欧美在线观看| 亚洲真实伦在线观看| 亚洲美女视频黄频| 色哟哟·www| 日日干狠狠操夜夜爽| 一本一本综合久久| 超碰97精品在线观看| 精品人妻一区二区三区麻豆| 99久久精品一区二区三区| 日韩国内少妇激情av| 国产午夜福利久久久久久| 亚洲av中文av极速乱| 国产伦精品一区二区三区视频9| 有码 亚洲区| 午夜福利视频精品| 熟女人妻精品中文字幕| 狠狠精品人妻久久久久久综合| av专区在线播放| 成年版毛片免费区| 成人毛片a级毛片在线播放| eeuss影院久久| 97在线视频观看| 91久久精品国产一区二区成人| 国产精品嫩草影院av在线观看| 久热久热在线精品观看| 日韩视频在线欧美| 亚洲最大成人中文| 日本-黄色视频高清免费观看| 国产一区二区三区av在线| 国产男人的电影天堂91| 最近视频中文字幕2019在线8| 亚洲最大成人手机在线| 别揉我奶头 嗯啊视频| 欧美日本视频| 三级男女做爰猛烈吃奶摸视频| 精品一区二区三区人妻视频| av.在线天堂| 免费大片黄手机在线观看| 精品99又大又爽又粗少妇毛片| 狂野欧美白嫩少妇大欣赏| 久久久久精品性色| 秋霞在线观看毛片| 干丝袜人妻中文字幕| 欧美3d第一页| 伊人久久国产一区二区| 天堂网av新在线| 人妻一区二区av| 中文天堂在线官网| 日韩成人av中文字幕在线观看| 国产精品久久久久久久久免| 美女脱内裤让男人舔精品视频| 免费不卡的大黄色大毛片视频在线观看 | 少妇熟女欧美另类| 尾随美女入室| 国产精品av视频在线免费观看| 一本久久精品| 国产色婷婷99| 欧美日韩在线观看h| 日日干狠狠操夜夜爽| 99久久人妻综合| 精品熟女少妇av免费看| 听说在线观看完整版免费高清| 女人被狂操c到高潮| 国产一区二区三区综合在线观看 | 91av网一区二区| 女人十人毛片免费观看3o分钟| 熟妇人妻不卡中文字幕| 国产精品综合久久久久久久免费| 久久97久久精品| 高清毛片免费看| 欧美日韩一区二区视频在线观看视频在线 | 日韩伦理黄色片| 亚洲国产最新在线播放| 亚洲丝袜综合中文字幕| 人人妻人人澡欧美一区二区| 最近中文字幕高清免费大全6| 亚洲久久久久久中文字幕| 成人亚洲欧美一区二区av| 欧美精品国产亚洲| 国产精品久久久久久久久免| av在线蜜桃| 激情五月婷婷亚洲| 国产久久久一区二区三区| 国产熟女欧美一区二区| 久久人人爽人人爽人人片va| 丝袜美腿在线中文| 日韩亚洲欧美综合| 黄片无遮挡物在线观看| 欧美精品国产亚洲| videossex国产| 欧美日韩亚洲高清精品| 高清视频免费观看一区二区 | 久久99热这里只频精品6学生| 国产中年淑女户外野战色| 嘟嘟电影网在线观看| 欧美成人午夜免费资源| 久久精品熟女亚洲av麻豆精品 | 国产高清不卡午夜福利| 亚洲av日韩在线播放| 亚洲av男天堂| 国产亚洲91精品色在线| 中国国产av一级| 超碰av人人做人人爽久久| 国产免费视频播放在线视频 | 久久久久久九九精品二区国产| 国产精品国产三级专区第一集| 99热网站在线观看| 最近手机中文字幕大全| 国产成人一区二区在线| 久久精品久久久久久噜噜老黄| 国产综合精华液| 日本三级黄在线观看| 日本-黄色视频高清免费观看| 淫秽高清视频在线观看| 久久精品国产鲁丝片午夜精品| 大话2 男鬼变身卡| 18禁在线播放成人免费| 亚洲在线自拍视频| 久久精品国产自在天天线| 高清欧美精品videossex| 国产精品人妻久久久久久| 免费播放大片免费观看视频在线观看| 三级毛片av免费| 免费看光身美女| 丰满人妻一区二区三区视频av| 久99久视频精品免费| 亚洲欧美日韩东京热| 亚洲自偷自拍三级| 三级毛片av免费| 欧美不卡视频在线免费观看| 国产精品三级大全| 国产精品久久久久久久久免| 久久鲁丝午夜福利片| av线在线观看网站| 熟妇人妻不卡中文字幕| 赤兔流量卡办理| 免费av不卡在线播放| 日韩av不卡免费在线播放| 亚洲国产av新网站| 久久久精品94久久精品| 免费观看性生交大片5| 国产精品嫩草影院av在线观看| 亚洲成人久久爱视频| 日本三级黄在线观看| 午夜精品一区二区三区免费看| 欧美激情国产日韩精品一区| 国产精品一区二区性色av| 亚洲精品日韩av片在线观看| 日韩av免费高清视频| 大香蕉97超碰在线| 欧美一级a爱片免费观看看| 免费看光身美女| 亚洲自拍偷在线| 欧美性猛交╳xxx乱大交人| 在线免费观看不下载黄p国产| 精品一区二区三卡| 成人毛片60女人毛片免费| 夫妻午夜视频| 中文乱码字字幕精品一区二区三区 | 国产探花在线观看一区二区| 亚洲第一区二区三区不卡| 一级毛片 在线播放| 一区二区三区四区激情视频| 欧美3d第一页| 亚洲,欧美,日韩| 国产精品无大码| 国产亚洲午夜精品一区二区久久 | 一级毛片我不卡| 成年av动漫网址| 网址你懂的国产日韩在线| 欧美bdsm另类| 成人午夜高清在线视频| 久久草成人影院| 99re6热这里在线精品视频| 国产一区二区三区av在线| 综合色丁香网| 又爽又黄无遮挡网站| 十八禁网站网址无遮挡 | 国产黄片视频在线免费观看| 久久精品国产亚洲网站| 波多野结衣巨乳人妻| 在线观看av片永久免费下载| 国产亚洲午夜精品一区二区久久 | 久久久久久久国产电影| 九草在线视频观看| 免费播放大片免费观看视频在线观看| 在线观看免费高清a一片| 色尼玛亚洲综合影院| 最近中文字幕2019免费版| 欧美日韩精品成人综合77777| 免费观看无遮挡的男女| 男人和女人高潮做爰伦理| 99久久人妻综合| 高清午夜精品一区二区三区| 日韩大片免费观看网站| 高清欧美精品videossex| 黄色欧美视频在线观看| 国产爱豆传媒在线观看| 亚洲精品国产成人久久av| 99热这里只有是精品在线观看| 人妻一区二区av| 精华霜和精华液先用哪个| 91久久精品国产一区二区成人| 亚洲精品乱码久久久v下载方式| 久久久欧美国产精品| 一个人看的www免费观看视频| 日韩中字成人| 亚洲熟妇中文字幕五十中出| 老司机影院成人| 成年女人在线观看亚洲视频 | 看非洲黑人一级黄片| 国精品久久久久久国模美| 免费黄网站久久成人精品| 老司机影院毛片| 五月玫瑰六月丁香| 国产麻豆成人av免费视频| av在线亚洲专区| 黄片wwwwww| videossex国产| 联通29元200g的流量卡| 2022亚洲国产成人精品| 91在线精品国自产拍蜜月| 国产在线一区二区三区精| 日本黄大片高清| 综合色av麻豆| 亚洲成人一二三区av| 国产毛片a区久久久久| 色吧在线观看| 国产人妻一区二区三区在| 亚洲精华国产精华液的使用体验| 国产精品福利在线免费观看| 成人午夜高清在线视频| 免费黄频网站在线观看国产| 国内少妇人妻偷人精品xxx网站| 日本熟妇午夜| 亚洲国产高清在线一区二区三| 亚洲熟妇中文字幕五十中出| 久久精品夜色国产| 伦精品一区二区三区| 亚洲怡红院男人天堂| 日本一二三区视频观看| 大又大粗又爽又黄少妇毛片口| 男人舔奶头视频| 日本爱情动作片www.在线观看| 欧美高清性xxxxhd video| av.在线天堂| av一本久久久久| 91精品国产九色| 欧美日韩综合久久久久久| 一级片'在线观看视频| 人妻系列 视频| 欧美不卡视频在线免费观看| 免费不卡的大黄色大毛片视频在线观看 | 亚洲三级黄色毛片| 亚洲精品视频女| 69人妻影院| 亚洲av成人精品一区久久| 国产黄频视频在线观看| 国产成人a∨麻豆精品| 精品久久久噜噜| 国产黄频视频在线观看| 成人无遮挡网站| 久久久精品免费免费高清| 亚洲国产精品sss在线观看| 嫩草影院入口| 日韩电影二区| 草草在线视频免费看| 亚洲最大成人手机在线| 亚洲精品一二三| 久久精品久久久久久噜噜老黄| 毛片女人毛片| 中国美白少妇内射xxxbb| 亚洲综合色惰| 午夜激情欧美在线| 国产成人精品福利久久| 国产男人的电影天堂91| 久久精品久久久久久久性| h日本视频在线播放| av又黄又爽大尺度在线免费看| 国产精品国产三级国产专区5o| 精品酒店卫生间| 亚洲av免费在线观看| 人妻系列 视频| 欧美最新免费一区二区三区| 日韩av免费高清视频| 欧美日韩亚洲高清精品| 寂寞人妻少妇视频99o| av在线天堂中文字幕| 欧美成人午夜免费资源| 精品人妻偷拍中文字幕| 国产av国产精品国产| 国产色婷婷99| 日本色播在线视频| 国产亚洲av嫩草精品影院| 久久久久久久久久成人| 久久久久久久久久黄片| 国产人妻一区二区三区在| 免费看光身美女| 777米奇影视久久| 韩国高清视频一区二区三区| 欧美区成人在线视频| 精品一区在线观看国产| 精品99又大又爽又粗少妇毛片| 午夜福利网站1000一区二区三区| 日本爱情动作片www.在线观看| 99热这里只有是精品50| 日本与韩国留学比较| 日本一二三区视频观看| 国产伦在线观看视频一区| 亚洲av男天堂| 国产精品一二三区在线看| 精品不卡国产一区二区三区| 中国国产av一级| 老师上课跳d突然被开到最大视频| 久久精品人妻少妇| 色播亚洲综合网| 成年女人在线观看亚洲视频 | 中文精品一卡2卡3卡4更新| 国产一级毛片在线| 欧美三级亚洲精品| 国产精品女同一区二区软件| 乱码一卡2卡4卡精品| 亚洲精品久久久久久婷婷小说| 亚洲精品影视一区二区三区av| 午夜免费观看性视频| 在线观看一区二区三区| av女优亚洲男人天堂| 人妻制服诱惑在线中文字幕| 亚洲内射少妇av| 亚洲成人一二三区av| 午夜福利网站1000一区二区三区| 亚洲欧美日韩卡通动漫| 国产激情偷乱视频一区二区| 黄片wwwwww| 亚洲欧美日韩卡通动漫| av专区在线播放| 精品一区二区免费观看| 韩国av在线不卡| 你懂的网址亚洲精品在线观看| 午夜亚洲福利在线播放| 精品久久久噜噜| 成人国产麻豆网| 久久精品国产亚洲网站| 成年女人看的毛片在线观看| 国产黄色小视频在线观看| 黄色欧美视频在线观看| 久久精品久久久久久噜噜老黄| 51国产日韩欧美| 波野结衣二区三区在线| 欧美性猛交╳xxx乱大交人| 亚洲在线观看片| 欧美日韩在线观看h| 久久久久精品性色| 久久久久久久久久人人人人人人| 听说在线观看完整版免费高清| 久久久久久久亚洲中文字幕| 少妇人妻一区二区三区视频| 亚洲国产精品成人久久小说| 看十八女毛片水多多多| 舔av片在线| 青春草视频在线免费观看| 婷婷六月久久综合丁香| 日韩一区二区三区影片| 精品一区二区三区人妻视频| 男女视频在线观看网站免费| 内射极品少妇av片p| 日韩三级伦理在线观看| 99热这里只有精品一区| 婷婷色麻豆天堂久久| 国产精品熟女久久久久浪| 网址你懂的国产日韩在线| 欧美性感艳星| 日韩欧美一区视频在线观看 | 国产精品熟女久久久久浪| 成人亚洲精品一区在线观看 | 80岁老熟妇乱子伦牲交| 日韩大片免费观看网站| 久久久久久久国产电影| 蜜臀久久99精品久久宅男| 日韩亚洲欧美综合| 亚洲av二区三区四区| 青春草亚洲视频在线观看| 欧美97在线视频| 亚洲av.av天堂| 亚洲av不卡在线观看| 大片免费播放器 马上看| 欧美变态另类bdsm刘玥| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 亚洲aⅴ乱码一区二区在线播放| 97超碰精品成人国产| 麻豆国产97在线/欧美| 国产 一区 欧美 日韩| 久久精品久久久久久噜噜老黄| 美女高潮的动态| 国内少妇人妻偷人精品xxx网站| 一级毛片我不卡| 丰满少妇做爰视频| 国产午夜精品一二区理论片| 精品国产三级普通话版| 国产亚洲一区二区精品| 亚洲激情五月婷婷啪啪| 大香蕉97超碰在线| 波野结衣二区三区在线| 两个人视频免费观看高清| 中文资源天堂在线| 一级毛片电影观看| 精品国内亚洲2022精品成人| 免费电影在线观看免费观看| 干丝袜人妻中文字幕| 日日啪夜夜撸| 国产老妇伦熟女老妇高清| 白带黄色成豆腐渣| a级毛片免费高清观看在线播放| 久久久久久久亚洲中文字幕| 亚洲伊人久久精品综合| 亚洲av不卡在线观看| 亚洲成人精品中文字幕电影| 国产视频内射| 国内少妇人妻偷人精品xxx网站| 亚洲最大成人手机在线| 国产熟女欧美一区二区| 国产精品久久久久久av不卡| 天天一区二区日本电影三级| 美女xxoo啪啪120秒动态图| 成人午夜精彩视频在线观看| 少妇的逼好多水| 亚洲在线观看片| 日韩欧美三级三区| 尤物成人国产欧美一区二区三区| 免费播放大片免费观看视频在线观看| 久久草成人影院| 欧美日韩在线观看h| 麻豆精品久久久久久蜜桃| 亚洲精品乱码久久久久久按摩| 成年人午夜在线观看视频 | 国产成人福利小说| 日韩视频在线欧美| 国产男人的电影天堂91| 亚洲在线自拍视频| 国产欧美另类精品又又久久亚洲欧美| 丝袜喷水一区| 日韩三级伦理在线观看| 国产一区有黄有色的免费视频 | 能在线免费观看的黄片| 国产女主播在线喷水免费视频网站 | 久久久a久久爽久久v久久| 高清日韩中文字幕在线| av黄色大香蕉| 日日撸夜夜添| 国产色爽女视频免费观看| 美女黄网站色视频| 国产色爽女视频免费观看| 97超视频在线观看视频| 国产欧美日韩精品一区二区| 最近视频中文字幕2019在线8| av在线亚洲专区| 99九九线精品视频在线观看视频| 亚洲精品一二三| 成人漫画全彩无遮挡| 国产伦理片在线播放av一区| 亚洲av电影在线观看一区二区三区 | 九九爱精品视频在线观看| 男女下面进入的视频免费午夜| 欧美极品一区二区三区四区| 婷婷色综合大香蕉| 成年av动漫网址| 成人国产麻豆网| 久久久久久久久久久丰满| 九九久久精品国产亚洲av麻豆| 熟妇人妻不卡中文字幕| 国产精品av视频在线免费观看| 亚洲久久久久久中文字幕| 国产精品久久久久久精品电影| 亚洲美女搞黄在线观看| 欧美日韩精品成人综合77777| 91精品国产九色| 精品久久久久久久久亚洲| 中文字幕制服av| 国产伦精品一区二区三区视频9| 国产在线一区二区三区精| 美女国产视频在线观看| 天堂影院成人在线观看| 久久久久久久久久黄片| 精品一区二区三卡| 亚洲国产欧美人成| 亚洲精华国产精华液的使用体验| 久久综合国产亚洲精品| 少妇熟女aⅴ在线视频| 少妇猛男粗大的猛烈进出视频 | 91久久精品电影网| 亚洲人与动物交配视频| 免费看a级黄色片| 国产精品伦人一区二区| 最新中文字幕久久久久| 精品亚洲乱码少妇综合久久| 国产成人免费观看mmmm| 亚洲在线自拍视频| 精品久久久久久久久av| 18+在线观看网站| 亚洲欧洲日产国产| 亚洲精品一二三| 在线观看美女被高潮喷水网站| 日韩国内少妇激情av| 色播亚洲综合网| 九九在线视频观看精品| 国产精品熟女久久久久浪| 久久热精品热| 麻豆av噜噜一区二区三区| 五月伊人婷婷丁香| 精品亚洲乱码少妇综合久久| 亚洲18禁久久av| 国产色爽女视频免费观看| 国产精品人妻久久久影院| 小蜜桃在线观看免费完整版高清| 成人漫画全彩无遮挡| 成人高潮视频无遮挡免费网站| 午夜福利在线观看吧| 1000部很黄的大片| 午夜激情欧美在线| 深夜a级毛片| 精品久久久久久成人av| 久久久成人免费电影| 国产高清三级在线| 国产亚洲午夜精品一区二区久久 | 网址你懂的国产日韩在线| 国语对白做爰xxxⅹ性视频网站| 国产精品久久久久久久电影| 久久久久精品性色| 亚洲精品,欧美精品| 欧美 日韩 精品 国产| 亚洲国产精品专区欧美| 中文字幕久久专区| 激情 狠狠 欧美| 一个人看视频在线观看www免费| 国产精品久久久久久av不卡| 亚洲第一区二区三区不卡| 国产黄色视频一区二区在线观看| 中文欧美无线码| 亚洲不卡免费看| 亚洲一级一片aⅴ在线观看| 日韩一区二区视频免费看| 最近视频中文字幕2019在线8| 久久久久国产网址| 欧美成人一区二区免费高清观看| av.在线天堂| 亚洲精品第二区| 日本午夜av视频| av黄色大香蕉| 国国产精品蜜臀av免费| 99re6热这里在线精品视频| 精品久久久精品久久久| 1000部很黄的大片| 女人被狂操c到高潮| 99久久精品热视频| 亚洲人成网站高清观看| 国产男人的电影天堂91| 久久精品熟女亚洲av麻豆精品 | 亚洲人成网站在线播| 热99在线观看视频| 国产色爽女视频免费观看| 成人特级av手机在线观看| 少妇熟女aⅴ在线视频| 男插女下体视频免费在线播放| 国产黄色免费在线视频| 成年av动漫网址|