首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种理财产品推荐方法、系统、存储介质及设备 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:济南大学

摘要:本发明属于理财产品推荐领域,提供了一种理财产品推荐方法、系统、存储介质及设备。其中,该方法包括获取理财用户数据;基于理财用户数据和训练完成的自编码神经网络模型,得到推荐理财产品类型;其中,自编码神经网络模型的训练过程为:采用理财用户数据预训练自编码神经网络模型;将理财用户数据及其若干个最近邻数据拼接构成训练数据;以预训练的自编码神经网络模型中的参数为初始值,利用训练数据继续训练自编码神经网络模型,直至到达最大迭代次数或者损失误差小于停止阈值。

主权项:1.一种理财产品推荐方法,其特征在于,包括:获取理财用户数据;基于理财用户数据和训练完成的自编码神经网络模型,得到推荐理财产品类型;其中,自编码神经网络模型的训练过程为:采用理财用户数据预训练自编码神经网络模型;将理财用户数据及其若干个最近邻数据拼接构成训练数据;以预训练的自编码神经网络模型中的参数为初始值,利用训练数据继续训练自编码神经网络模型,直至到达最大迭代次数或者损失误差小于停止阈值;自编码神经网络模型的训练过程包括如下步骤:自编码神经网络模型加载预训练神经网络参数偏置b,输入原始数据RD,经过前向传播计算得到隐层嵌入特征z,利用k-means算法处理得到初始化聚类中心C;通过for循环使基于自适应邻域图嵌入的深度聚类模型数据聚类算法的迭代epoch次数自增一;通过公式和计算神经网络隐层嵌入特征z与聚类中心C的相似度和归一化,然后通过公式计算得到聚类层损失;其中,是样本个数,是聚类中心数;是采用student-T分布计算神经网络隐层嵌入特征与聚类中心得到,以此衡量两者的相似度;将指数提高到二次,对经过尖锐处理的分布;和构成的矩阵分别为P和Q;,固定属性对个求和,使按每个簇的频率归一化来计算;通过公式计算亲和度矩阵熵项;通过公式计算理财用户数据RD与最近邻数据ND之间的图约束损失;其中,J是邻居个数;通过公式计算重构损失,其中代表理财用户数据RD中第i条数据,代表经过神经网络计算得到的输出值;整体损失函数为;α与β分别是调节聚类项和图约束项权重的参数;通过梯度下降法,对隐层嵌入特征和聚类中心求偏导, 聚类中心c的更新公式为:,其中为batchsize,为学习率;通过梯度下降法,更新编码器权重;解码器权重更新公式为;每一轮for循环结束后,采用公式对整体P进行更新;样本标签通过获得,公式如下:;每一轮for循环结束后,采用拉格朗日乘子法对于亲和度矩阵的更新;公式为;每一轮for循环结束后,通过公式计算输出聚类精度,其中为数据点真实类别标签,为样本中心类别。

全文数据:

权利要求:

百度查询: 济南大学 一种理财产品推荐方法、系统、存储介质及设备

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。