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！

龙图腾网恭喜南京信息工程大学申请的专利一种金融产品的推荐方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119722254B 。

龙图腾网通过国家知识产权局官网在2025-05-27发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510241728.1，技术领域涉及：G06Q30/0601；该发明授权一种金融产品的推荐方法是由殷绍雄;李晓庆;刘依蕊设计研发完成，并于2025-03-03向国家知识产权局提交的专利申请。

本一种金融产品的推荐方法在说明书摘要公布了：本发明涉及金融技术领域，具体公开了一种金融产品的推荐方法，收集用户信息生成数据样本，计算异常样本并将其剔除，预测填充缺失数据，形成用户画像；利用神经网络算法对用户画像进行分析，提取出用户的偏好特征、风险承受能力量化值；建立数据库；根据用户画像中的关键信息和金融产品库中的产品信息，利用推荐算法为用户生成个性化的金融产品推荐列表；收集用户对推荐结果的反馈，生成综合反馈数据，不断优化金融产品的推荐算法。本发明利用深度学习神经网络和正则化技术，深度挖掘用户特征，提高特征提取的准确性和可靠性。本发明融合多种推荐算法并考虑多种因素，生成更符合用户个性化需求和市场动态的推荐列表。

本发明授权一种金融产品的推荐方法在权利要求书中公布了：1.一种金融产品的推荐方法，其特征在于：包括以下步骤，S1、收集用户的基本信息、历史金融行为数据以及用户填写的风险承受能力问卷并生成数据样本，采用IsolationForest算法计算异常样本并将其剔除，采用线性回归模型预测填充缺失数据，形成用户画像；S2、利用神经网络算法对用户画像进行分析，提取出用户的偏好特征、风险承受能力量化值；S3、建立包含各类金融产品的详细信息的数据库，所述数据库中包含产品的收益率、风险等级、投资期限；S4、根据用户画像中的关键信息和金融产品库中的产品信息，利用基于内容过滤算法与协同过滤算法结合的方式为用户生成个性化的金融产品推荐列表；基于内容过滤算法：设用户画像特征向量u＝u1,u2,…,un,由偏好特征Pf和风险承受能力量化值Rt构成，金融产品特征向量p＝p1,p2,...,pn,，计算余弦相似度得到基于内容过滤的得分向量Sc＝sc1,sc2,...,sci,…,scm，其中m为金融产品数量；基于协同过滤算法：设用户-产品矩阵为R，其中Rvw表示用户v对产品w的评分；利用用户画像中的风险承受能力量化值Rt和偏好特征Pf对用户进行聚类，计算用户v和同类别用户k的余弦相似度其中和分别是用户v和用户k的平均评分；预测用户v对产品w的评分其中Nv是与用户v同类别且相似的用户集合，得到基于协同过滤的得分向量Scf＝scf1,scf2,…,scfi,…,scfm；设权重α0≤α≤1，且α根据风险承受能力量化值Rt动态调整，融合后的得分向量Sf＝sf1,sf2,…,sfi,...,sfm，其中Sfi＝αsci+1-αscfi；根据Sf对金融产品进行排序，选择得分高的前K个产品生成推荐列表RL，其中5≤K≤20；S5、收集用户对推荐结果的反馈，生成综合反馈数据，基于综合反馈数据不断优化金融产品的推荐算法；所述反馈包括用户对推荐产品的点击行为、是否购买行为、对推荐产品的评价，构建用户反馈矩阵F，其中Fvw表示用户v对推荐产品w的综合反馈评分；收集用户在推荐页面的浏览行为数据，包括停留时间ts、浏览顺序Os；通过加权计算得到综合反馈值Cf＝w1Fvw+w2ts+w3Os，其中w1,w2,w3为权重，根据实际业务重要性确定；运用Q-Learning算法优化推荐算法，设状态空间S由用户画像和当前推荐列表RL组成，动作空间A为不同的推荐算法参数；在状态s∈S下采取动作a∈A后，转移到新状态s′并获得奖励r，奖励r根据综合反馈值Cf计算，即r＝Cf；Q函数Qs,a表示在状态s下采取动作a的长期累积奖励的期望，更新公式为：Qs,a＝Qs,a+αQ[r+γmaxa′Qs′,a′-Qs,a]，其中αQ是学习率，γ是折扣因子；通过不断迭代更新Q函数，选择使Q值最大化的动作，即最优的推荐算法参数；在AB测试中，将用户随机分为两组，分别使用不同版本的推荐算法进行推荐，根据两组用户的反馈数据计算奖励r，进而更新Q函数，确定最优算法版本。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京信息工程大学，其通讯地址为：211800 江苏省南京市浦口区南京市宁六路219号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。