唐向红 彭超 陆见光

摘要： 随着金融大数据的出现和发展，各种理财产品和贷款项目的种类和数量都爆炸式的增长。如何有效地针对客户推荐提高推荐成功率成了关键问题。针对这一问题，文章提取代表客户兴趣、相应组群和相关项目的特征，然后利用神经网络进行预测，从而达到了个性化推荐的目的。实验结果表明：所建模型能有效地进行个性化推荐。

Abstract： With the advent and development of financial big data， the types and quantities of all types of wealth management products and loan projects have exploded. How to effectively recommend for customers to improve the success rate of the recommendation has become a key issue. To solve the problem，we extract features which represent customers interests， corresponding groups and related items，and ultilize the neural net to predict to achieve the goal of personalized recommendation. The experiment result shows that the model can effectively acomplish the personalized recommendation.

關键词： 金融大数据；个性化推荐；数据

Key words： financial big data；personalized recommendation；data

中图分类号：TP391 文献标识码：A 文章编号：1006-4311（2018）20-0203-03

0 引言

随着大数据时代的到来，各行各业的运营模式发生了巨大的变化。在大数据时代，金融业也随着时代产生了一些根本性的变化，人们可以更好、更多地利用数据对信息进行管理，对管理方式进行创新。金融平台正进行着一场数据服务的变革，其中最凸显的一项技术服务就是个性化推荐技术。针对不同的消费者的不同属性，提供相对应的个性化服务[1]。这解决了客户对于琳琅满目的商品难以选择的问题，增加了用户对金融平台产品的兴趣度，使金融平台有了更多的机会提高产品的成交量，吸引了更多的用户群体，也减少了平台的运营成本[2]。

根据个性化推荐模型的特点来说，个性化推荐方法通常分为基于规则的推荐、基于内容的推荐、基于协同过滤的推荐三种基本的方法[3]。 基于规则的推荐以关联规则挖掘方法为核心，通过从大量的客户购买商到客户的购买模式，结合客户的历史购买行为，产生对目标客户的推荐列表。……