受益于互聯(lián)網(wǎng)技術(shù)的發(fā)展和用戶行為觀念的改變,互聯(lián)網(wǎng)金融成為經(jīng)濟(jì)生活的新熱點(diǎn)。互聯(lián)網(wǎng)金融蓬勃發(fā)展的同時(shí),也因理財(cái)產(chǎn)品的多樣化,給投資者帶來了不知如何挑選適合自己理財(cái)產(chǎn)品的困擾。進(jìn)行個(gè)性化推薦是解決此問題最有效的方法之一。目前,基于機(jī)器學(xué)習(xí)的推薦算法較廣泛的應(yīng)用于電子商務(wù)平臺,以及音樂、視頻和新聞的個(gè)性化推薦。但在理財(cái)產(chǎn)品領(lǐng)域還未被廣泛研究。因而,利用機(jī)器學(xué)習(xí)進(jìn)行高效的理財(cái)產(chǎn)品推薦對每一位投資者和經(jīng)營商都具有重大意義。針對上述問題,本課題主要研究理財(cái)產(chǎn)品的推薦算法。數(shù)據(jù)為某金融APP里的理財(cái)產(chǎn)品和用戶行為信息。理財(cái)產(chǎn)品為現(xiàn)有的直銷銀行旗下的產(chǎn)品,主要包括銀行發(fā)行的理財(cái)和基金公司發(fā)行的基金類（貨幣基金和純債基金）產(chǎn)品。將推薦分為召回和排序兩個(gè)部分。召回部分主要采用了兩種方法。一是針對傳統(tǒng)的協(xié)同過濾存在沒有考慮時(shí)間因子的問題,根據(jù)理財(cái)產(chǎn)品的自身生命周期和用戶對理財(cái)產(chǎn)品的興趣變化,擬合時(shí)間衰減函數(shù),并將其加入到協(xié)同過濾算法中,使得推薦結(jié)果體現(xiàn)時(shí)間效應(yīng)。二是提出改進(jìn)的隨機(jī)游走圖模式推薦算法,為游走加入權(quán)重,減少了隨機(jī)游走的算法中存在的個(gè)性化程度不高和推薦結(jié)果冷門產(chǎn)品占比較高的現(xiàn)象出現(xiàn)。對于理財(cái)產(chǎn)品... 

【文章來源】：北京工業(yè)大學(xué)北京市 211工程院校

【文章頁數(shù)】：67 頁

【學(xué)位級別】：碩士

【部分圖文】：

本文的組織結(jié)構(gòu)

第 2 章 相關(guān)理論與技術(shù)基礎(chǔ)第2章 相關(guān)理論與技術(shù)基礎(chǔ)個(gè)性化推薦系統(tǒng)是用戶對服務(wù)的高要求和服務(wù)商對服務(wù)的高追求的結(jié)果，建立在海量的數(shù)據(jù)挖掘之上，它是一個(gè)提供高級服務(wù)的智能平臺，為每個(gè)用戶提供屬于自己的信息服務(wù)。今年來，已有許多非常成功的大規(guī)模推薦系統(tǒng)的例子，如今日頭條、知乎、新浪微博等。在此同時(shí)，個(gè)性化推薦也成為了學(xué)術(shù)界的研究熱點(diǎn)之一。目前，常用的個(gè)性化推薦系統(tǒng)的框架大同小異，基本框架如圖 2-1 所示：

濾的推薦算法前在工業(yè)界應(yīng)用最廣泛，最主流的方法。主據(jù)行為數(shù)據(jù)進(jìn)行深層挖掘，獲取偏好。它可得到比較好的推薦效果，不需要所推薦的特一定的程度上保留了個(gè)體的特征，而不是根長尾數(shù)據(jù)。它是大家?guī)椭脩魜碜鲞x擇，大偏好比較相似的用戶推薦給目標(biāo)用戶他們有也可能指物品，和用戶的過去喜歡的物品相別是基于用戶的協(xié)同過濾算法和基于物品的類聚，物以群分。協(xié)同過濾推薦同過濾算法(UserCF)的基本原則是根據(jù)用戶找到與目標(biāo)用戶喜好相似的一些用戶，稱其戶的偏好項(xiàng)目進(jìn)行推薦。主要原理見圖 2-2。


本文編號：3573873