摘要
本发明提供一种基于随机游走算法和图论的推荐方法及装置,采集多个用户的征信数据、金融产品的特征数据和行为数据,构建二部图;基于二部图构建评分矩阵,进一步构建用户相似度矩阵和产品相似度矩阵;对其进行拉普拉斯正则化处理,得到目标用户相似度矩阵和目标产品相似度矩阵;通过设置随机游走算法的初始步长、迭代次数和停止规则,执行算法提取用户访问路径。根据行为数据和用户访问路径计算目标用户对目标金融产品的兴趣概率,生成包含多个目标金融产品的推荐列表。通过构建二部图并结合随机游走算法,显著提高推荐准确性,精确捕捉用户与产品之间的复杂关系,预测用户兴趣,提供高相关性的推荐结果。综上,提高了推荐准确性,提升用户体验。
技术关键词
金融
矩阵
征信数据
兴趣
推荐方法
拉普拉斯
列表
模块
执行算法
推荐装置
采集单元
处理单元
参数
关系
系统为您推荐了相关专利信息
联邦学习模型训练方法
客户端
参数交换方法
服务器
联邦模型
节点特征
学习方法
混合损失函数
神经网络模型
标签
阵列式压力传感器
模型识别技术
康复训练系统
控制电磁阀
气泵
稀疏信道估计方法
验证机制
残差下降率
矩阵
稀疏系数向量