基于鲁棒优化的产品推荐方法、装置、设备及介质.pdf

上传人:zhu****_FC 文档编号:14252336 上传时间:2023-11-24 格式:PDF 页数:14 大小:1.56MB
收藏 版权申诉 举报 下载
基于鲁棒优化的产品推荐方法、装置、设备及介质.pdf_第1页
第1页 / 共14页
基于鲁棒优化的产品推荐方法、装置、设备及介质.pdf_第2页
第2页 / 共14页
基于鲁棒优化的产品推荐方法、装置、设备及介质.pdf_第3页
第3页 / 共14页
文档描述:

《基于鲁棒优化的产品推荐方法、装置、设备及介质.pdf》由会员分享,可在线阅读,更多相关《基于鲁棒优化的产品推荐方法、装置、设备及介质.pdf(14页完成版)》请在专利查询网上搜索。

1、(19)国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 202310468075.1(22)申请日 2023.04.26(71)申请人 财富引擎(北京)科技有限公司地址 100084 北京市海淀区清华园内的清华大学学研综合楼B座B801-024(72)发明人 林常乐王强(74)专利代理机构 北京中巡通大知识产权代理有限公司 11703专利代理师 李宏德(51)Int.Cl.G06F 18/2415(2023.01)G06Q 40/06(2012.01)(54)发明名称一种基于鲁棒优化的产品推荐方法、装置、设备及介质(57)摘要本发明属于金融数据处理技术。

2、领域,公开一种基于鲁棒优化的产品推荐方法、装置、设备及介质;所述方法包括:获取投资者偏好信息,形成投资者偏好向量P;将投资者偏好向量P映射为对投资产品未来价格或收益分布F的约束;将所述约束代入待估计参数模型,获得待估计参数;将参数代入投资概率模型求得投资者投资产品vj的投资概率根据投资概率确定推荐的目标产品。本发明用投资概率确定与投资者偏好对应的目标基金产品,以使推荐给目标用户的目标基金产品对用户自身投资条件和基金产品进行准确定位。权利要求书2页 说明书9页 附图2页CN 116502150 A2023.07.28CN 116502150 A1.一种基于鲁棒优化的产品推荐方法,其特征在于,包括。

3、:获取投资者偏好信息,形成投资者偏好向量P;将投资者偏好向量P映射为对投资产品未来价格或收益分布F的约束;将所述约束与历史投资人投资记录代入待估计参数模型,获得参数 (1,2,j,q),j代表产品vj对应的待估计参数;对于投资产品vj,将估计出来的参数 j和新投资者偏好向量代入投资概率模型求得投资者投资产品vj的投资概率根据投资概率 确定推荐的目标产品。2.根据权利要求1所述的一种基于鲁棒优化的产品推荐方法,其特征在于,获取投资者偏好信息,形成投资者偏好向量P的步骤中,投资者偏好向量Pp1,p2,pp;下标p为获取的投资者偏好信息总数量。3.根据权利要求1所述的一种基于鲁棒优化的产品推荐方法,。

4、其特征在于,将投资者偏好向量P映射为对投资产品未来价格或收益分布F的约束的步骤,具体包括:所述约束为对投资产品未来价格或收益分布F的各阶矩的约束;令k代表从投资者偏好向量P到对投资产品未来价格或收益分布k阶矩的约束,令Gkfk(P)表示约束下分布k阶矩的范围。4.根据权利要求3所述的一种基于鲁棒优化的产品推荐方法,其特征在于,对于投资产品vj,将所述约束与历史投资人投资记录代入待估计参数模型,获得参数 j;所述待估计参数模型为:其中,aij表示过往投资者ui投资产品vj的记录,aij1表示投资人ui投资过产品vj,aij0表示投资人ui没有投资过产品vj;N为过往投资者ui的总数;Gi表示投资。

5、者对投资产品未来价格或收益分布F的各阶矩的约束;Si表示投资者ui偏好的不确定集。5.根据权利要求4所述的一种基于鲁棒优化的产品推荐方法,其特征在于,所述不确定集为椭圆不确定集。6.根据权利要求4所述的一种基于鲁棒优化的产品推荐方法,其特征在于,对于投资产品vj,将估计出来的参数 j和新投资者偏好向量代入投资概率模型求得投资者投资产品vj的投资概率 的步骤中,对于初步选定投资某一个产品vj,经估计出来的参数 j以及新的投资者ux及其对投资产品未来价格或收益分布F的各阶矩的约束Gx,用逻辑斯谛回归模型就能得到新投资者的投资概率其中,表示投资人ux投资产品vj的概率,表示投资人ui不投资过产品vj。

6、的概率。7.根据权利要求1所述的一种基于鲁棒优化的产品推荐方法,其特征在于,根据投资概权利要求书1/2 页2CN 116502150 A2率 确定推荐的目标产品的步骤,具体包括:根据投资概率由大到小对产品进行排序,确定投资概率 最大的一个或者多个产品为推荐的目标产品。8.一种基于鲁棒优化的产品推荐装置,其特征在于,包括:采集模块,用于获取投资者偏好信息,形成投资者偏好向量P;约束模块,用于将投资者偏好向量P映射为对投资产品未来价格或收益分布F的约束;计算模块,用于将所述约束与历史投资人投资记录代入待估计参数模型,获得参数 (1,2,j,q),j代表产品vj对应的待估计参数;对于投资产品vj,将。

7、估计出来的参数 j和新投资者偏好向量代入投资概率模型求得投资者投资产品vj的投资概率推荐模块,用于根据投资概率 确定推荐的目标产品。9.一种电子设备,其特征在于,包括处理器和存储器,所述处理器用于执行存储器中存储的计算机程序以实现如权利要求1至7中任意一项所述的一种基于鲁棒优化的产品推荐方法。10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有至少一个指令,所述至少一个指令被处理器执行时实现如权利要求1至7中任意一项所述的一种基于鲁棒优化的产品推荐方法。权利要求书2/2 页3CN 116502150 A3一种基于鲁棒优化的产品推荐方法、装置、设备及介质技术领域0001本发明属。

8、于金融数据处理技术领域,特别涉及一种基于鲁棒优化的产品推荐方法、装置、设备及介质。背景技术0002公募基金(Public Offering of Fund)是指以公开方式向社会公众投资者募集资金并以证券为主要投资对象的证券投资基金。公募基金是以大众传播手段招募,发起人集合公众资金设立投资基金,进行证券投资。这些基金在法律的严格监管下,有着信息披露,利润分配,运行限制等行业规范。0003以某基金网销售的公募基金为例,当前投资者筛选基金产品时大致先考虑选择偏股或偏债的产品,往往都会在对应分类下按照网站或App提供的收益率、回撤、波动率等收益和风险指标给基金产品排序,从中挑选排名靠前的一些产品,再结。

9、合基金公司规模、基金经理明确以及其他评估指标确定最终会投资的产品。随着公募基金产品数量爆炸性增长,投资者越来越难以挑选合适的基金,投资者和基金销售机构都需要一种更有效的产品推荐方法。0004根据监管要求,基金产品销售机构会要求投资人在实际投资前先完成一份风险评估问卷,回答若干涉及投资人风险收益偏好的问题,回答结果用于判断该投资者风险厌恶程度高低。通常情况下投资者分为保守型、稳健型、平衡型、积极型和激进型这五类,基金产品按照一定的风险收益度量方法分为五类,投资者只能投资与其风险偏好相适应的基金产品。这种做法中,投资者回答的风险评估问题不足以刻画投资者真实完整的风险偏好,对投资者、投资产品划分也过。

10、于粗糙,同一分类中投资者偏好以及同一分类中投资产品表现千差万别。因此,现有基金产品推荐系统还不具有基于用户准确的投资条件进行产品推荐的能力,投资者对自身投资条件与公募基金产品进行匹配定位时,缺乏系统性科学方法,往往因匹配定位准确性较差而影响投资者投资体验。发明内容0005本发明的目的在于提供一种基于鲁棒优化的产品推荐方法、装置、设备及介质,以解决现有基金产品推荐系统推荐匹配定位准确性较差的技术问题。0006为了实现上述目的,本发明采用如下技术方案:0007第一方面,本发明提供一种基于鲁棒优化的产品推荐方法,包括:0008获取投资者偏好信息,形成投资者偏好向量P;0009将投资者偏好向量P映射为。

11、对投资产品未来价格或收益分布F的约束;0010将所述约束与历史投资人投资记录代入待估计参数模型,获得待估计参数(1,2,.j.,q),j代表产品vj对应的待估计参数;0011对于投资产品vj,将估计出来的参数 j和新投资者偏好向量代入投资概率模型求得新投资者投资产品vj的投资概率说明书1/9 页4CN 116502150 A40012根据投资概率 确定推荐的目标产品。0013本发明进一步的改进在于:获取投资者偏好信息,形成投资者偏好向量P的步骤中,投资者偏好向量Pp1,p2,.,pp;下标p为获取的投资者偏好信息总数量。0014本发明进一步的改进在于:0015将投资者偏好向量P映射为对投资产品。

12、未来价格或收益分布F的约束的步骤,具体包括:0016所述约束为对投资产品未来价格或收益分布F的各阶矩的约束;令fk代表从投资者偏好向量P到对投资产品未来价格或收益分布k阶矩的约束,令Gkfk(P)表示约束下分布k阶矩的范围。0017本发明进一步的改进在于:0018对于投资产品vj,将所述约束与历史投资人投资记录代入待估计参数模型,获得参数 j的步骤中,所述待估计参数模型为:00190020其中,aij表示过往投资者ui投资产品vj的记录,aij1表示投资人ui投资过产品vj,aij0表示投资人ui没有投资过产品vj;N为过往投资者的总数;Gi表示投资者ui对投资产品未来价格或收益分布F的各阶矩。

13、的约束;Si表示投资者ui偏好的不确定集。0021本发明进一步的改进在于:所述用于反映投资者偏好的不确定集为椭圆不确定集。0022本发明进一步的改进在于:不确定集的表达式为:00230024其中,为原始采集的投资者ui的投资者偏好向量,Wli表示Wi的第l列,表示第l个特征的测量误差;下标p为获取的投资者偏好信息总数量;Wi表示距离,表示给定正定矩阵M定义的范数。0025本发明进一步的改进在于:0026对于新来的投资者ux,假设她/他的偏好向量为Px,以及对应的他/她对投资产品未来价格或收益分布F的各阶矩的约束Gx,那么,对于任何预期未来价格或收益分布已知的产品,可以计算其各阶矩,再找满足投资。

14、者要求的就能缩小产品选择范围。0027对于初步选定投资某一个产品vj,经由前面步骤已经估计出 j,以及新的投资者ux及其对投资产品未来价格或收益分布F的各阶矩的约束Gx,用逻辑斯谛回归模型就能得到新投资者的投资概率00280029其中,表示投资人ux投资产品vj的概率,表示投资人ui不投资过产品vj的概率。说明书2/9 页5CN 116502150 A50030本发明进一步的改进在于:根据投资概率 确定推荐的目标产品的步骤,具体包括:0031根据投资概率 由大到小对产品进行排序,确定投资概率 最大的一个或者多个产品为推荐的目标产品。0032第二方面,本发明提供一种基于鲁棒优化的产品推荐装置,包。

15、括:0033采集模块,用于获取投资者偏好信息,形成投资者偏好向量P;0034约束模块,用于将投资者偏好向量P映射为对投资产品未来价格或收益分布F的约束;0035计算模块,用于将所述约束与历史投资人投资记录代入待估计参数模型,获得参数 (1,2,.j.,q),j代表产品vj对应的待估计参数;对于投资产品vj,将估计出来的参数 j和新投资者偏好向量代入投资概率模型求得投资者投资产品vj的投资概率0036推荐模块,用于根据投资概率 确定推荐的目标产品。0037第三方面,本发明提供一种电子设备,包括处理器和存储器,所述处理器用于执行存储器中存储的计算机程序以实现所述的一种基于鲁棒优化的产品推荐方法。0。

16、038第四方面,本发明提供一种计算机可读存储介质,所述计算机可读存储介质存储有至少一个指令,所述至少一个指令被处理器执行时实现所述的一种基于鲁棒优化的产品推荐方法。0039相对于现有技术,本发明具有以下有益效果:0040本发明提供一种基于鲁棒优化的产品推荐方法、装置、设备及介质,包括:获取投资者偏好信息,形成投资者偏好向量P;将投资者偏好向量P映射为对投资产品未来价格或收益分布F的约束;将所述约束与历史投资人投资记录代入待估计参数模型,获得参数 (1,2,.j.,q),j代表产品vj对应的待估计参数;对于投资产品vj,将估计出来的参数j和新投资者偏好向量代入投资概率模型求得投资者投资产品vj的。

17、投资概率根据投资概率 确定推荐的目标产品。本发明基于当前用户偏好向量、投资产品预期未来价格或收益分布F各阶矩的要求Gk,通过待估计参数模型计算待估计参数,通过参数代入逻辑斯谛回归模型计算投资概率,并利用投资概率确定对应的目标基金产品,以使推荐给目标用户的目标基金产品对用户自身投资条件和基金产品进行准确定位,有助于目标用户提高定位准确性。0041通过本发明,能够帮助投资者在成千上万种投资对象中缩小范围,推荐出最符合投资者偏好要求的产品。这里投资者偏好既包括风险收益方面的要求,也包括类似投资产品的投资范围、规模、成立时间、交易币种等产品属性,还包括投资人对产品发行管理人、投资经理的各种能够区分投资。

18、产品的要求。附图说明0042构成本发明的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:0043图1为本发明一种基于鲁棒优化的产品推荐方法的流程示意图;0044图2为本发明一种基于鲁棒优化的产品推荐装置的结构示意图;说明书3/9 页6CN 116502150 A60045图3为本发明一种电子设备的结构框图。具体实施方式0046下面将参考附图并结合实施例来详细说明本发明。需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。0047以下详细说明均是示例性的说明,旨在对本发明提供进一步的详细说。

19、明。除非另有指明,本发明所采用的所有技术术语与本发明所属领域的一般技术人员的通常理解的含义相同。本发明所使用的术语仅是为了描述具体实施方式,而并非意图限制根据本发明的示例性实施方式。0048实施例10049请参阅图1所示,本发明提供一种基于鲁棒优化的产品推荐方法,包括:0050获取投资者偏好信息;投资者偏好信息用一个p维偏好向量表示,Pp1,p2,.,pp,piR,R表示全体实数;pi既可以为连续值也可以为离散值。向量P包含任何能够反映投资者投资对于投资产品任何要求,具体数值可以由任何方式度量;在一具体的实施方式中,pi可以通过问卷调查、从过往信息中推测、从具有某些相似性全体表现推断等等。在一。

20、具体的实施方式中,pi可以反应对投资者投资对于投资产品的要求,例如预期收益期望(收益比例、收益波动范围),例如不购买哪些指定的产品;在一具体的实施方式中,投资者偏好向量P还可以包含投资者其他信息,例如年龄、性别、财富积累水平、持有投资组合等客观信息。在一具体的实施方式中,p维偏好向量可以由产品推荐机构进行设置和修改。0051通过评估方法将投资者偏好向量P映射为对投资产品未来价格或收益分布的约束,比方说当此类约束为对投资产品未来价格或收益分布的各阶矩(Moment)的约束时,令fk代表从投资者偏好向量P到对投资产品未来价格或收益分布k阶矩的约束,令Gkfk(P),k1,2,.表示该约束下分布k阶。

21、矩的范围。在一具体实施方式中,评估方法可以通过填写问卷的方式进行评估。0052考虑到投资者偏好本身是观察不到的,现实生活中只能通过估计、猜测等方法得到投资者偏好,使得反映投资者偏好的向量P难免存在一定误差,因此也就很难准确获得投资者可以投资产品范围。为了解决此类问题,本发明一种基于鲁棒优化的产品推荐方法,提出首先对偏好向量P中指标进行分析,在偏好向量P所在空间中构建一个考虑特征测量误差、包括特征所有可能取值的集合,此集合称为不确定集。0053建立不确定集的具体方法为,给定一个正定矩阵M,令表示M定义的范数,w表示距离;则以椭圆形式定义的不确定集为:00540055其中,为原始采集的投资者ui的。

22、投资者偏好向量,Wli表示Wi的第l列,表示第l个特征的测量误差;下标p为获取的投资者偏好信息总数量;Wi表示距离,表示给定正定矩阵M定义的范数。0056在外部给定的投资产品预期未来价格或收益分布F或相关信息后,就可以与投资者对于F各阶矩的要求Gk比较,从中筛选出满足全部或部分约束的产品。在一具体实施方式说明书4/9 页7CN 116502150 A7中,F的各阶矩阵落入用户对应的Gk中,就可以选择对应的投资产品,可以初步选定K个产品。0057更进一步,针对按上述方法选定的K个产品(或者对产品分类得到K种类型产品),如果已知过往有N个投资人投资记录,可以用矩阵A(aij)NK表示过往投资记录,。

23、其中aij1表示投资人ui投资过产品vj,aij0表示投资人ui没有投资过产品vj。0058对于每个投资产品vj,都可以用逻辑斯谛回归模型得到给定用户的投资概率;0059经估计出来的参数 j以及新的投资者ux及其对投资产品未来价格或收益分布F的各阶矩的约束Gx,用逻辑斯谛回归模型就能得到新投资者的投资概率006000610062其中,表示投资人ux投资产品vj的概率,表示投资人ui不投资过产品vj的概率。0063逻辑斯谛回归的参数估计一般采用最大化似然函数L(j)的方法,考虑到对于投资人偏好向量的中包含的误差,本发明采用鲁棒优化的方法求得j。具体方法是用到前述构造的不确定集Si,通过先在不确定。

24、集Si内最小化似然函数、再找到使似然函数达到最大值的方式来估计 j,即:00640065其中,aij表示过往投资者ui投资产品vj的记录,aij1表示投资人ui投资过产品vj,aij0表示投资人ui没有投资过产品vj;N为过往投资者的总数;Gi表示投资者ui对投资产品未来价格或收益分布F的各阶矩的约束;Si表示投资者ui偏好的不确定集。0066上述待估计参数模型建立后,对于一个新的投资人偏好向量P,求得其对于投资产品预期未来价格或收益分布F各阶矩的要求Gk后,即可带入待估计参数模型求得待估计参数 j,将参数 j代入投资概率模型求得其投资概率并可以以此为依据优先向投资者推荐投资概率最大的产品。在。

25、一具体实施方式中,也可以按照投资概率 对产品进行排序,推荐排名靠前的多个产品;推荐的数量可以预先设置。0067本实施例所提供的产品推荐方法,基于当前用户偏好向量、投资产品预期未来价格或收益分布F各阶矩的要求Gk,通过待估计参数模型计算待估计参数,通过待估计参数代入逻辑斯谛回归模型计算投资概率,并利用投资概率确定对应的目标基金产品,以使推荐给目标用户的目标基金产品对用户自身投资条件和基金产品进行准确定位,有助于提升目标用户投资体验。0068本发明能够为投资人科学选择和推荐投资产品,其直接结果是缩小了投资者从海量产品中挑选产品的范围,此范围还考虑了对投资人偏好测量的误差影响,在选出来的产品中,还能。

26、够根据投资人的偏好和历史成交信息,优先针对性的向投资人推荐过往成交概率高的产品。说明书5/9 页8CN 116502150 A80069实施例20070请参阅图1所示,本发明提供一种基于鲁棒优化的产品推荐方法,包括:0071S1、获取投资者偏好信息,形成投资者偏好向量P;0072S2、将投资者偏好向量P映射为对投资产品未来价格或收益分布F的约束;0073S3、将所述约束与历史投资人投资记录代入待估计参数模型,获得参数(1,2,.j.,q),j代表产品vj对应的待估计参数;对于投资产品vj,将估计出来的参数 j和新投资者偏好向量代入投资概率模型求得投资者投资产品vj的投资概率0074S4、根据投。

27、资概率 确定推荐的目标产品。0075在一具体实施方式中,获取投资者偏好信息,形成投资者偏好向量P的步骤中,投资者偏好向量Pp1,p2,.,pp;p为设定的投资者偏好信息总数量。0076在一具体实施方式中,将投资者偏好向量P映射为对投资产品未来价格或收益分布F的约束的步骤,具体包括:0077所述约束为对投资产品未来价格或收益分布F的各阶矩的约束;令fk代表从投资者偏好向量P到对投资产品未来价格或收益分布k阶矩的约束,令Gkfk(P),k1,2,.表示约束下分布k阶矩的范围。0078在一具体实施方式中,对于投资产品vj,将所述约束与历史投资人投资记录代入待估计参数模型,获得参数 j的步骤中,所述待。

28、估计参数模型为:00790080其中,aij表示过往投资者ui投资产品vj的记录,aij1表示投资人ui投资过产品vj,aij0表示投资人ui没有投资过产品vj;N为过往投资者ui的总数;Gi表示投资者对投资产品未来价格或收益分布F的各阶矩的约束;Si表示投资者ui偏好的不确定集。0081在一具体实施方式中,不确定集的表达式为:00820083其中,为原始采集的投资者ui的投资者偏好向量,Wli表示Wi的第l列,表示第l个特征的测量误差;下标p为获取的投资者偏好信息总数量;Wi表示距离,表示给定正定矩阵M定义的范数。0084在一具体实施方式中,对于新来的投资者ux,假设她/他的偏好向量为Px,。

29、以及对应的他/她对投资产品未来价格或收益分布F的各阶矩的约束Gx,那么,对于任何预期未来价格或收益分布已知的产品,可以计算其各阶矩,再找满足投资者要求的就能缩小产品选择范围。0085对于初步选定投资某一个产品vj,经由前面步骤已经估计出 j,以及新的投资者ux及其对投资产品未来价格或收益分布F的各阶矩的约束Gx,用逻辑斯谛回归模型就能得到新投资者的投资概率0086说明书6/9 页9CN 116502150 A90087其中,表示投资人ux投资产品vj的概率,表示投资人ui不投资过产品vj的概率。0088在一具体实施方式中,根据投资概率 确定推荐的目标产品的步骤,具体包括:0089根据投资概率 。

30、由大到小对产品进行排序,确定投资概率 最大的一个或者多个产品为推荐的目标产品。0090实施例30091请参阅图2所示,本发明提供一种基于鲁棒优化的产品推荐装置,包括:0092采集模块,用于获取投资者偏好信息,形成投资者偏好向量P;0093约束模块,用于将投资者偏好向量P映射为对投资产品未来价格或收益分布F的约束;0094计算模块,用于将所述约束与历史投资人投资记录代入待估计参数模型,获得待估计参数 (1,2,.j.,q),j代表产品vj对应的待估计参数;对于投资产品vj,将估计出来的参数 j和新投资者偏好向量代入投资概率模型求得投资者投资产品vj的投资概率0095推荐模块,用于根据投资概率 确。

31、定推荐的目标产品。0096在一具体实施方式中,获取投资者偏好信息,形成投资者偏好向量P的步骤中,投资者偏好向量Pp1,p2,.,pp;p为设定的投资者偏好信息总数量。0097在一具体实施方式中,将投资者偏好向量P映射为对投资产品未来价格或收益分布F的约束的步骤,具体包括:0098所述约束为对投资产品未来价格或收益分布F的各阶矩的约束;令fk代表从投资者偏好向量P到对投资产品未来价格或收益分布k阶矩的约束,令Gkfk(P),k1,2,.表示约束下分布k阶矩的范围。0099在一具体实施方式中,对于投资产品vj,将所述约束与历史投资人投资记录代入待估计参数模型,获得参数 j的步骤中,所述待估计参数模。

32、型为:01000101其中,aij表示过往投资者ui投资产品vj的记录,aij1表示投资人ui投资过产品vj,aij0表示投资人ui没有投资过产品vj;N为过往投资者的总数;Gi表示投资者ui对投资产品未来价格或收益分布F的各阶矩的约束;Si表示投资者ui偏好的不确定集。0102在一具体实施方式中,不确定集的表达式为:01030104其中,为原始采集的投资者ui的投资者偏好向量,Wli表示Wi的第l列,表示第l个特征的测量误差;下标p为获取的投资者偏好信息总数量;Wi表示距离,表示给定正定矩阵M定义的范数。0105在一具体实施方式中,对于新来的投资者ux,假设她/他的偏好向量为Px,以及对应的。

33、他/她对投资产品未来价格或收益分布F的各阶矩的约束Gx,那么,对于任何预期未来价说明书7/9 页10CN 116502150 A10格或收益分布已知的产品,可以计算其各阶矩,再找满足投资者要求的就能缩小产品选择范围。0106对于初步选定投资某一个产品vj,经由前面步骤已经估计出 j,以及新的投资者ux及其对投资产品未来价格或收益分布F的各阶矩的约束Gx,用逻辑斯谛回归模型就能得到新投资者的投资概率01070108其中,0109表示投资人ux投资产品vj的概率,表示投资人ui不投资过产品vj的概率。0110在一具体实施方式中,根据投资概率确定推荐的目标产品的步骤,具体包括:0111根据投资概率 。

34、由大到小对产品进行排序,确定投资概率 最大的一个或者多个产品为推荐的目标产品。0112实施例40113请参阅图3所示,本发明还提供一种实现基于鲁棒优化的产品推荐方法的电子设备100;所述电子设备100包括存储器101、至少一个处理器102、存储在所述存储器101中并可在所述至少一个处理器102上运行的计算机程序103及至少一条通讯总线104。0114存储器101可用于存储所述计算机程序103,所述处理器102通过运行或执行存储在所述存储器10l内的计算机程序,以及调用存储在存储器101内的数据,实现实施例1或2所述的基于鲁棒优化的产品推荐方法的步骤。所述存储器101可主要包括存储程序区和存储数。

35、据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据电子设备100的使用所创建的数据(比如音频数据)等。此外,存储器101可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(FlashCard)、至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。0115所述至少一个处理器102可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digi。

36、tal Signal Processor,DSP)、专用集成电路(Application Specific IntegratedCircuit,ASIC)、现场可编程门阵列(FieldProgrammable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。处理器102可以是微处理器或者该处理器102也可以是任何常规的处理器等,所述处理器102是所述电子设备100的控制中心,利用各种接口和线路连接整个电子设备100的各个部分。0116所述电子设备100中的所述存储器101存储多个指令以实现一种基于鲁棒优化的产品推荐方法,所述处理器102可执行所。

37、述多个指令从而实现:0117获取投资者偏好信息,形成投资者偏好向量P;0118将投资者偏好向量P映射为对投资产品未来价格或收益分布F的约束;0119将所述约束与历史投资人投资记录代入待估计参数模型,获得参数 (1,2,.说明书8/9 页11CN 116502150 A11j.,q),j代表产品vj对应的待估计参数;对于投资产品vj,将估计出来的参数 j和新投资者偏好向量代入投资概率模型求得投资者投资产品vj的投资概率0120根据投资概率 确定推荐的目标产品。0121实施例50122所述电子设备100集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可。

38、读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器及只读存储器(ROM,ReadOnly Memory)。0123本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算。

39、机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CDROM、光学存储器等)上实施的计算机程序产品的形式。0124本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计。

40、算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。0125这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。0126这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。0127最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。说明书9/9 页12CN 116502150 A12图1图2说明书附图1/2 页13CN 116502150 A13图3说明书附图2/2 页14CN 116502150 A14。

展开阅读全文
内容关键字: 基于 优化 产品 推荐 方法 装置 设备 介质
关于本文
本文标题:基于鲁棒优化的产品推荐方法、装置、设备及介质.pdf
链接地址:https://www.zhuanlichaxun.net/pdf/14252336.html
关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们

copyright@ 2017-2018 zhuanlichaxun.net网站版权所有
经营许可证编号:粤ICP备2021068784号-1 
 


收起
展开