[發明專利]一種金融產品推薦方法、裝置、電子設備及存儲介質

在審

• 申請號: 202211257610.0
• 申請日: 2022-10-14
• 公開（公告）號: CN115545945A
• 公開（公告）日: 2022-12-30
• 發明（設計）人: 鄧兆基
• 申請（專利權）人: 中國農業銀行股份有限公司
• 主分類號: G06Q40/06
• 分類號: G06Q40/06;G06Q30/06;G06K9/62
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 李禮

1.一種金融產品推薦方法，其特征在于，所述方法包括：

獲取多個第一數據樣本；

將基于所述多個第一數據樣本進行本地模型訓練過程中得到第一特征梯度發送給目標企業，以使所述目標企業基于多個第二數據樣本和所述第一特征梯度完成本地模型訓練得到第二特征梯度；

獲取所述第二特征梯度，基于所述第二特征梯度完成本地模型訓練得到第一預測特征矩陣；

基于所述第一預測特征矩陣和獲取到的第二預測特征矩陣，通過本地的遷移學習模型預測出真實目標評分矩陣；

基于所述真實目標評分矩陣確定出目標金融產品，將所述目標金融產品推薦給客戶。

2.根據權利要求1所述的方法，其特征在于，所述第二數據樣本包括多個用戶數據以及多個金融產品數據，

所述目標企業基于多個第二數據樣本和所述第一特征梯度完成本地模型訓練得到第二特征梯度，包括：

基于所述多個用戶數據以及所述多個金融產品數據獲取每個用戶對應的多個特征信息；

對所述多個特征信息進行綜合評分得到第二真實評分表；

基于所述第二真實評分表得到第二真實評分矩陣；

基于所述第二真實評分矩陣進行本地模型訓練得到第二特征梯度。

3.根據權利要求2所述的方法，其特征在于，所述第二特征梯度包括第二用戶特征梯度和第二產品特征梯度，相應的，所述基于所述第二真實評分矩陣進行本地模型訓練得到第二特征梯度，包括：

將所述第二真實評分矩陣進行因子分解得到第二預測用戶特征矩陣和第二預測產品特征矩陣；

基于所述第二預測評分矩陣、所述第二預測產品特征矩陣以及第二測評分矩陣構建損失函數；

對本地模型進行訓練直到所述損失函數收斂到預設閾值停止模型訓練；

對所述損失函數中的每個第二預測用戶特征矩陣求偏導得到第二用戶特征梯度；

對所述損失函數中的每個第二預測產品特征矩陣求偏導得到第二產品特征梯度。

4.根據權利要求1所述的方法，其特征在于，所述第一預測特征矩陣包括第一預測用戶特征矩陣和第一預測產品特征矩陣，所述第二預測特征矩陣包括第二預測用戶特征矩陣和第二預測產品特征矩陣；

相應的，基于所述第一預測特征矩陣和獲取到的第二預測特征矩陣，通過本地的遷移學習模型預測出真實目標評分矩陣，包括：

基于所述第二預測用戶特征矩陣和第一預測用戶特征矩陣確定第一目標函數，基于所述第二預測產品特征矩陣和第一預測產品特征矩陣確定第二目標函數；

使用反向傳播算法對所述第一目標函數進行求解預測出第一真實用戶特征矩陣和第二真實用戶特征矩陣，使用反向傳播算法對所述第二目標函數進行求解預測出第一真實產品特征矩陣和第二真實產品特征矩陣；

基于所述第一真實用戶特征矩陣和所述第一真實產品特征矩陣得到第一真實評分矩陣，基于所述第二真實用戶特征矩陣和所述第二真實產品特征矩陣得到第二真實評分矩陣；

基于所述第一真實評分矩陣和所述第二真實評分矩陣得到真實目標評分矩陣。

5.根據權利要求1所述的方法，其特征在于，所述第二特征梯度和所述第二預測特征矩陣從目標企業直接獲取或通過第三方數據平臺獲取。

6.根據權利要求1所述的方法，其特征在于，基于所述真實目標評分矩陣確定出目標金融產品，包括：

從所述真實目標評分矩陣中確定出評分大于預設數值的多個目標評分；

將所述多個目標評分對應的金融產品作為目標金融產品。

7.根據權利要求1所述的方法，其特征在于，所述第二特征梯度通過第一加密操作后得到，所述第二預測特征矩陣通過第二加密操作后得到；

所述第一加密操作包括：將所述第二特征梯度加入掩碼值進行一次加密；通過同態加密算法對所述第二特征梯度進行二次加密；

所述第二加密操作包括：將所述第二預測特征矩陣通過同態加密算法進行加密。