理财用户风险偏好等级分析方法及装置与流程

技术特征：
1.一种理财用户风险偏好等级分析方法，其特征在于，包括：获取理财用户的历史行为数据和用户属性数据；从理财用户的历史行为数据和用户属性数据中，挖掘理财用户的数值特征和类别特征；基于item2vec浅层网络模型，提取理财用户历史购买的理财产品特征；将理财用户的数据特征和类别特征、理财用户历史购买的理财产品特征，输入resnet风险偏好网络模型，分析得到理财用户的风险偏好等级；其中，resnet风险偏好网络模型根据历史理财用户的数据特征和类别特征、历史理财用户历史购买的理财产品特征，以及历史理财用户的风险偏好等级训练得到。2.如权利要求1所述的方法，其特征在于，理财用户的历史行为数据包括：理财用户的交易频率、流水记录、理财产品购买历史、手机银行理财模块功能点击历史其中之一或任意组合；理财用户的用户属性数据包括：理财用户的性别、年龄、职业、学历、地区、婚姻、手机银行客户等级、存款金额、个人信贷信息、个人财产信息其中之一或任意组合。3.如权利要求1所述的方法，其特征在于，从理财用户的历史行为数据和用户属性数据中，挖掘理财用户的数值特征和类别特征，包括进行如下预处理其中之一或任意组合：对数值特征进行归一化处理；将数值特征中的连续性特征离散化；将类别特征以独热向量表示；对异常值进行剔除；将缺失数据设置为历史理财用户的对应数据项的均值，或将缺失数据进行预测填充。4.如权利要求1所述的方法，其特征在于，基于item2vec浅层网络模型，提取理财用户历史购买的理财产品特征，包括：在理财用户历史购买的理财产品数据序列长度小于阈值时，利用规则属性进行相似用户和相似理财产品的聚合处理，得到相似用户历史购买的理财产品数据序列；将相似用户历史购买的理财产品数据序列输入item2vec浅层网络模型，将item2vec浅层网络模型的输出值作为理财用户历史购买的理财产品特征。5.如权利要求4所述的方法，其特征在于，利用规则属性进行相似用户和相似理财产品的聚合处理，得到相似用户历史购买的理财产品数据序列，包括：利用规则属性对相似用户的各类用户属性和理财产品的各类产品属性进行聚合处理；其中，相似用户的各类用户属性包括：职业、学历、客户等级分类、产品购买次数、购买总金额、投资时间其中之一或任意组合；理财产品的各类产品属性包括：产品类型、年收益率、起购金额、产品期限、风险等级、单位净值、产品币种其中之一或任意组合。6.如权利要求1所述的方法，其特征在于，基于item2vec浅层网络模型，提取理财用户历史购买的理财产品特征，包括：将理财用户历史购买的理财产品数据序列进行独热编码后输入item2vec浅层网络模型，输出理财用户历史购买的理财产品特征。7.如权利要求1所述的方法，其特征在于，将理财用户的数据特征和类别特征、理财用
户历史购买的理财产品特征，输入resnet风险偏好网络模型之前，还包括：将历史理财用户的数据特征离散化后进行独热编码，得到编码后的数据特征；将历史理财用户的类别特征进行独热编码，得到编码后的类别特征；将历史理财用户历史购买的理财产品特征求均值，得到理财产品特征均值；将编码后的数据特征、编码后的类别特征和理财产品特征均值进行特征拼接后，结合历史理财用户的风险偏好等级，训练resnet风险偏好网络模型。8.如权利要求1所述的方法，其特征在于，将理财用户的数据特征和类别特征、理财用户历史购买的理财产品特征，输入resnet风险偏好网络模型，分析得到理财用户的风险偏好等级，包括：将理财用户的数据特征离散化后进行独热编码，得到编码后的数据特征；将理财用户的类别特征进行独热编码，得到编码后的类别特征；将理财用户历史购买的理财产品特征求均值，得到理财产品特征均值；将编码后的数据特征、编码后的类别特征和理财产品特征均值进行特征拼接后，输入resnet风险偏好网络模型，分析得到理财用户的风险偏好等级。9.如权利要求1所述的方法，其特征在于，分析得到理财用户的风险偏好等级之后，还包括：在理财用户购买理财产品时，对理财产品的类型与理财用户的风险偏好等级进行匹配；在不匹配时进行安全提示。10.如权利要求1所述的方法，其特征在于，分析得到理财用户的风险偏好等级之后，还包括：在检测到理财用户的历史行为数据和用户属性数据发生变动时，重新执行所述理财用户风险偏好等级分析方法，分析得到理财用户新的风险偏好等级。11.一种理财用户风险偏好等级分析装置，其特征在于，包括：数据获取模块，用于获取理财用户的历史行为数据和用户属性数据；第一数据处理模块，用于从理财用户的历史行为数据和用户属性数据中，挖掘理财用户的数值特征和类别特征；第二数据处理模块，用于基于item2vec浅层网络模型，提取理财用户历史购买的理财产品特征；风险偏好等级分析模块，用于将理财用户的数据特征和类别特征、理财用户历史购买的理财产品特征，输入resnet风险偏好网络模型，分析得到理财用户的风险偏好等级；其中，resnet风险偏好网络模型根据历史理财用户的数据特征和类别特征、历史理财用户历史购买的理财产品特征，以及历史理财用户的风险偏好等级训练得到。12.如权利要求11所述的装置，其特征在于，理财用户的历史行为数据包括：理财用户的交易频率、流水记录、理财产品购买历史、手机银行理财模块功能点击历史其中之一或任意组合；理财用户的用户属性数据包括：理财用户的性别、年龄、职业、学历、地区、婚姻、手机银行客户等级、存款金额、个人信贷信息、个人财产信息其中之一或任意组合。13.如权利要求11所述的装置，其特征在于，第一数据处理模块，具体用于：
进行如下预处理其中之一或任意组合：对数值特征进行归一化处理；将数值特征中的连续性特征离散化；将类别特征以独热向量表示；对异常值进行剔除；将缺失数据设置为历史理财用户的对应数据项的均值，或将缺失数据进行预测填充。14.如权利要求11所述的装置，其特征在于，第二数据处理模块，具体用于：在理财用户历史购买的理财产品数据序列长度小于阈值时，利用规则属性进行相似用户和相似理财产品的聚合处理，得到相似用户历史购买的理财产品数据序列；将相似用户历史购买的理财产品数据序列输入item2vec浅层网络模型，将item2vec浅层网络模型的输出值作为理财用户历史购买的理财产品特征。15.如权利要求14所述的装置，其特征在于，第二数据处理模块，具体用于：利用规则属性对相似用户的各类用户属性和理财产品的各类产品属性进行聚合处理；其中，相似用户的各类用户属性包括：职业、学历、客户等级分类、产品购买次数、购买总金额、投资时间其中之一或任意组合；理财产品的各类产品属性包括：产品类型、年收益率、起购金额、产品期限、风险等级、单位净值、产品币种其中之一或任意组合。16.如权利要求14所述的装置，其特征在于，第二数据处理模块，具体用于：将理财用户历史购买的理财产品数据序列进行独热编码后输入item2vec浅层网络模型，输出理财用户历史购买的理财产品特征。17.如权利要求11所述的装置，其特征在于，还包括：第三数据处理模块，用于将历史理财用户的数据特征离散化后进行独热编码，得到编码后的数据特征；将历史理财用户的类别特征进行独热编码，得到编码后的类别特征；将历史理财用户历史购买的理财产品特征求均值，得到理财产品特征均值；resnet风险偏好网络模型训练模块，用于将编码后的数据特征、编码后的类别特征和理财产品特征均值进行特征拼接后，结合历史理财用户的风险偏好等级，训练resnet风险偏好网络模型。18.如权利要求11所述的装置，风险偏好等级分析模块，具体用于：将理财用户的数据特征离散化后进行独热编码，得到编码后的数据特征；将理财用户的类别特征进行独热编码，得到编码后的类别特征；将理财用户历史购买的理财产品特征求均值，得到理财产品特征均值；将编码后的数据特征、编码后的类别特征和理财产品特征均值进行特征拼接后，输入resnet风险偏好网络模型，分析得到理财用户的风险偏好等级。19.如权利要求11所述的装置，其特征在于，还包括：理财安全提示模块，用于在风险偏好等级分析模块分析得到理财用户的风险偏好等级之后，在理财用户购买理财产品时，对理财产品的类型与理财用户的风险偏好等级进行匹配；在不匹配时进行安全提示。20.如权利要求11所述的装置，其特征在于，还包括：检测更新模块，用于在风险偏好等级分析模块分析得到理财用户的风险偏好等级之后，在检测到理财用户的历史行为数据和用户属性数据发生变动时，重新触发所述理财用
户风险偏好等级分析装置，分析得到理财用户新的风险偏好等级。21.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至10任一所述方法。22.一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计算机程序，所述计算机程序被处理器执行时实现权利要求1至10任一所述方法。23.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现权利要求1至10任一所述方法。

技术总结
本发明公开了一种理财用户风险偏好等级分析方法及装置，涉及人工智能技术领域，其中该方法包括：获取理财用户的历史行为数据和用户属性数据；从理财用户的历史行为数据和用户属性数据中，挖掘理财用户的数值特征和类别特征；基于Item2vec浅层网络模型，提取理财用户历史购买的理财产品特征；将理财用户的数据特征和类别特征、理财用户历史购买的理财产品特征，输入ResNet风险偏好网络模型，分析得到理财用户的风险偏好等级。本发明能够精准输出理财用户风险偏好等级，降低理财用户的投资风险。险。险。


技术研发人员：南晓停
受保护的技术使用者：中国银行股份有限公司
技术研发日：2022.08.29
技术公布日：2022/11/18