基于利润贡献度的理财产品推荐方法和装置与流程

本发明涉及金融领域，尤其涉及一种基于利润贡献度的理财产品推荐方法和装置。

背景技术：

目前，基于客户的协同过滤算法推荐个性化理财产品是主流的银行理财产品推荐算法，这种算法首先要完善客户画像，包括客户的基本信息、财务状况、风险偏好与风险承受能力、投资经验、个人投资风格等，然后计算各银行理财产品对应客群的基本特征均值，对比基于客户历史购买记录与风险偏好分析获得的客群特征均值相似度，最后选取相似度最高的几个理财产品作为该客群的推荐。

现有推荐算法有两个缺点，一是客户画像所需要的很多数据不准确，比如客户的财务状况常常滞后，风险偏好的相关数据包括三方存管资金变动、授信额度等用于风险评估的数据客户往往不会认真填写；二是没有结合利率走势考虑银行的利益，比如，当预期利率升高时，银行希望多推荐长期理财，反之预期利率走低时，银行希望多推荐短期理财，最终导致推荐效果不理想。

技术实现要素：

针对现有技术中的问题，本发明提供一种基于利润贡献度的理财产品推荐方法和装置、电子设备以及计算机可读存储介质，能够至少部分地解决现有技术中存在的问题。

为了实现上述目的，本发明采用如下技术方案：

第一方面，提供一种基于利润贡献度的理财产品推荐方法，包括：

根据理财产品数据以及对应的历史购买记录数据，获取客户购买理财产品记录中两种理财产品被同一客户购买的支持度、购买一种理财产品的客户又购买另一种理财产品的置信度以及两种理财产品关联规则应用的提升度；

根据所述理财产品收益曲线、银行利率预测曲线以及所述提升度计算各组理财产品的推荐度；

根据银行理财产品利润贡献度对理财产品进行筛选；

根据所述支持度、所述置信度以及所述推荐度对筛选后的理财产品进行推荐。

进一步地，所述根据银行理财产品利润贡献度对理财产品进行筛选，包括：

根据预设时间内银行理财产品数据以及对应的历史购买记录数据计算银行理财产品贡献度；

筛选银行理财产品贡献度大于预设阈值的银行理财产品。

进一步地，所述根据所述支持度、所述置信度以及所述推荐度对筛选后的理财产品进行推荐后，还包括：

根据当前推荐后客户购买记录以及理财产品数据进行利润估算；

根据估算结果调节银行理财产品利润贡献度。

进一步地，所述根据理财产品数据以及对应的历史购买记录数据，获取客户购买理财产品记录中两种理财产品被同一客户购买的支持度、购买一种理财产品的客户又购买另一种理财产品的置信度以及两种理财产品关联规则应用的提升度，包括：

对所述理财产品数据以及对应的历史购买记录数据进行预处理得到客户购买理财产品记录表；

根据所述客户购买理财产品记录表计算其中两种理财产品被同一客户购买的支持度、购买一种理财产品的客户又购买另一种理财产品的置信度；

根据所述客户购买理财产品记录表以及所述置信度计算两种理财产品关联规则应用的提升度。

进一步地，所述根据所述客户购买理财产品记录表计算其中两种理财产品被同一客户购买的支持度、购买一种理财产品的客户又购买另一种理财产品的置信度，包括：

利用所述客户购买理财产品记录表中同时购买了两种理财产品的客户数量除以客户总数得到所述支持度；

利用所述客户购买理财产品记录表中同时购买了两种理财产品的客户数量除以购买了其中一种理财产品的客户数量得到所述置信度。

进一步地，所述根据所述客户购买理财产品记录表以及所述置信度计算两种理财产品关联规则应用的提升度，包括：

利用所述置信度除以所述客户购买理财产品记录表中购买另一种理财产品的客户比例得到所述提升度。

进一步地，所述理财产品数据包括多种理财产品的属性参数；

所述对所述理财产品数据以及对应的历史购买记录数据进行预处理得到客户购买理财产品记录表，包括：

根据各理财产品的属性参数对多种理财产品进行合并得到产品列表；

根据所述产品列表以及所述历史购买记录数据整合得到所述客户购买理财产品记录表。

第二方面，提供一种基于利润贡献度的理财产品推荐装置，包括：

产品分析模块，根据理财产品数据以及对应的历史购买记录数据，获取客户购买理财产品记录中，两种理财产品被同一客户购买的支持度、购买一种理财产品的客户又购买另一种理财产品的置信度以及两种理财产品关联规则应用的提升度；

推荐度排序模块，根据所述理财产品收益曲线、银行利率预测曲线以及所述提升度计算各组理财产品的推荐度；

利润贡献度筛选模块，根据银行理财产品利润贡献度对理财产品进行筛选；

推荐模块，根据所述支持度、所述置信度以及所述推荐度对筛选后的理财产品进行推荐。

第三方面，提供一种电子设备，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，所述处理器执行所述程序时实现上述的基于利润贡献度的理财产品推荐方法的步骤。

第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述的基于利润贡献度的理财产品推荐方法的步骤。

本发明提供的基于利润贡献度的理财产品推荐方法和装置，适用于金融领域，该方法包括：根据理财产品数据以及对应的历史购买记录数据，获取客户购买理财产品记录中两种理财产品被同一客户购买的支持度、购买一种理财产品的客户又购买另一种理财产品的置信度以及两种理财产品关联规则应用的提升度；根据所述理财产品收益曲线、银行利率预测曲线以及所述提升度计算各组理财产品的推荐度；根据银行理财产品利润贡献度对理财产品进行筛选；根据所述支持度、所述置信度以及所述推荐度对筛选后的理财产品进行推荐，其中，通过银行理财产品数据、历史购买记录数据，结合银行利率预测曲线进行产品推荐，而后基于利润贡献度对理财产品进行筛选，不仅数据收集容易、数据质量高，推荐效率高、速度快，而且结合了利率走势可以推荐更符合银行利益的产品；因此该技术方案既可以有效规避不准确的客户信息与个性化特征导致个性化推荐失败的风险，又可以结合利率预测选择对银行有利的产品推荐。

为让本发明的上述和其他目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附图式，作详细说明如下。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：

图1为本发明实施例中的服务器s1与客服设备b1之间的架构示意图；

图2为本发明实施例中的服务器s1、客服设备b1及数据库服务器s2之间的架构示意图；

图3是本发明实施例中的理财产品推荐方法的流程示意图；

图4示出了本发明实施例中的步骤s100的具体步骤；

图5示出了客户购买理财产品记录表的示例；

图6示出了本发明实施例中的步骤s120的具体步骤；

图7示出了本发明实施例中的步骤s110的具体步骤；

图8示出了本发明实施例中的产品列表；

图9示出了本发明实施例中的步骤s200的具体步骤；

图10示出了本发明实施例中展示的在一段规定时间t内所有银行理财产品的购买情况示例；

图11示出了本发明实施例中展示的满足给定支持度、置信度的银行理财产品组合推荐度前十示例；

图12示出了本发明实施例中展示的理财产品作为前项、后项出现的次数总和排名前十的理财产品关系图-主图；

图13示出了本发明实施例中展示的排名前十的理财产品关系图-节点图；

图14示出了本发明实施例中展示的排名前十的理财产品关系图-连接线图；

图15为本发明基于银行理财产品销量关联分析的智能产品组合推荐系统结构图；

图16为图15中数据分析系统2的处理步骤流程图；

图17为图15中数据分析系统2的模块结构图；

图18是本发明实施例中的理财产品装置的结构框图；

图19为本发明实施例电子设备的结构图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

现有推荐算法有两个缺点，一是客户画像所需要的很多数据不准确，比如客户的财务状况常常滞后，风险偏好的相关数据包括三方存管资金变动、授信额度等用于风险评估的数据客户往往不会认真填写；二是没有结合利率走势考虑银行的利益，比如，当预期利率升高时，银行希望多推荐长期理财，反之预期利率走低时，银行希望多推荐短期理财，最终导致推荐效果不理想。

为至少部分解决上述技术问题，本发明提供一种理财产品推荐方法，根据银行理财产品数据、历史购买记录数据，结合银行利率预测曲线进行产品推荐，不仅数据收集容易、数据质量高，而且结合了利率走势可以推荐更符合银行利益的产品，既可以有效规避不准确的客户信息与个性化特征导致个性化推荐失败的风险，又可以结合利率预测选择对银行有利的产品推荐。

有鉴于此，本申请提供了一种理财产品推荐装置，该装置可以为一种服务器s1，参见图1，该服务器s1可以与至少一个客服设备b1通信连接，所述服务器s1根据理财产品数据以及对应的历史购买记录数据，获取客户购买理财产品记录中两种理财产品被同一客户购买的支持度、购买一种理财产品的客户又购买另一种理财产品的置信度以及两种理财产品关联规则应用的提升度；根据理财产品收益曲线、银行利率预测曲线以及所述提升度计算各组理财产品的推荐度；根据银行理财产品利润贡献度对理财产品进行筛选；根据所述支持度、所述置信度以及所述推荐度对筛选后的理财产品进行推荐。而后，所述服务器s1可以将推荐结果在线发送至所述客服设备b1。所述客服设备b1可以在线接收所述推荐结果。

另外，参见图2，所述服务器s1还可以与至少一个数据库服务器s2通信连接，所述数据库服务器s2用于存储理财产品数据以及对应的历史购买记录数据。所述数据库服务器s2在线将所述理财产品数据以及对应的历史购买记录数据发送至所述服务器s1，所述服务器s1可以在线接收所述理财产品数据以及对应的历史购买记录数据。

可以理解的是，所述客服设备b1可以包括智能手机、平板电子设备、便携式计算机、台式电脑、个人数字助理(pda)等。

所述服务器与所述客户端设备之间可以使用任何合适的网络协议进行通信，包括在本申请提交日尚未开发出的网络协议。所述网络协议例如可以包括tcp/ip协议、udp/ip协议、http协议、https协议等。当然，所述网络协议例如还可以包括在上述协议之上使用的rpc协议(remoteprocedurecallprotocol，远程过程调用协议)、rest协议(representationalstatetransfer，表述性状态转移协议)等。

图3是本发明实施例中的理财产品推荐方法的流程示意图；如图3所示，该理财产品推荐方法可以包括以下内容：

步骤s100：根据理财产品数据以及对应的历史购买记录数据，获取客户购买理财产品记录中两种理财产品被同一客户购买的支持度、购买一种理财产品的客户又购买另一种理财产品的置信度以及两种理财产品关联规则应用的提升度；

具体地，理财产品数据中包括银行的多款理财产品名称及其对应的产品编号、收益、购买门槛、持续时间、投资品种等参数，历史购买记录数据包括客户编号、客户信息及其对应购买的理财产品名称及其对应的产品编号、购买时间、购买额度等参数。

步骤s200：根据所述理财产品收益曲线、银行利率预测曲线以及所述提升度计算各组理财产品的推荐度；

其中，银行利率预测曲线是银行有关部门根据市场变化情况综合分析得到的利率趋势。

步骤s300：根据银行理财产品利润贡献度对理财产品进行筛选；

步骤s400：根据所述支持度、所述置信度以及所述推荐度对筛选后的理财产品进行推荐。

具体地，推荐理财产品可以一方面可以展示推荐的理财产品信息，另一方面，也可以展示关联的理财产品信息，以便为客服人员提供充分的指引，帮助客服人员向客户推荐。

值得说明的是，比起客户画像所需要的各种数据，理财产品的各种信息作为银行处理业务自动产生的数据，更容易被银行本身收集，并且数据质量最高；银行在利率的走势预测有一定的积累，根据利率预期走势可以推荐更符合银行利益的产品；因此，基于银行理财产品销量，挖掘银行理财产品之间组合规则，在寻找产品之间关联的同时结合利率预期对产品推荐进行加权，既可以有效规避不准确的客户信息与个性化特征导致个性化推荐失败的风险，又可以结合利率预测选择对银行有利的产品推荐，实现基于银行理财产品销售关联与预期利率加权的智能推荐。

在一个可选的实施例中，该步骤s300可以包括以下内容：

(1)根据预设时间内银行理财产品数据以及对应的历史购买记录数据计算银行理财产品贡献度；

(2)筛选银行理财产品贡献度大于预设阈值的银行理财产品。

在一个可选的实施例中，该基于利润贡献度的理财产品推荐方法在步骤s400之后，还包括：

1.根据当前推荐后客户购买记录以及理财产品数据进行利润估算；

2.根据估算结果调节银行理财产品利润贡献度。

具体地，使用一段时间内银行理财产品利润贡献度，去除低贡献度的理财产品；其中，一段时间内银行理财产品利润贡献度计算方法：

假设一段时间内售出理财产品x1、x2……xn的期限为tx1、tx2……txn，期限tx1、tx2……txn内银行利率预测曲线为r(tx1)、r(tx2)……r(txn)，理财产品x1、x2……xn的收益随时间变化曲线为g(tx1)、g(tx2)……g(txn)，该银行理财产品的销售金额为m1、m2……mn；则当天理财产品xk的利润贡献度c(xk)计算如下：

如果理财产品x的收益随时间变化曲线为g(tx)不存在，则使用理财产品x的收益随时间变化预估曲线g'(tx)替代。

理财产品的利润贡献度越低，说明银行通过该理财产品的获利越少；

设定利润贡献度阈值cth，将低于该阈值的理财产品去除。

另外，在推荐之后，通过银行理财产品利润估算，用于衡量推荐效果：

假设某理财产品x的期限为tx，期限tx内利率预测曲线为r(tx)，理财产品x的收益随时间变化曲线为g(tx)，该银行理财产品的销售金额为m，则理财产品x的利润估算p(x)计算如下：

如果理财产品x的收益随时间变化曲线为g(tx)不存在，则使用理财产品x的收益随时间变化预估曲线g'(tx)替代。

图4示出了本发明实施例中的步骤s100的具体步骤；如图4所示，该步骤s100可以包括以下内容：

步骤s110：对所述理财产品数据以及对应的历史购买记录数据进行预处理得到客户购买理财产品记录表；

在一段规定时间t内，顾客的购买记录整合成列表l，列表l每条记录包含一个客户编号与一个理财产品，如图5所示；假如时间t内，a客户购买的理财产品有5种，则该列表关于a客户的记录有5条。

步骤s120：根据所述客户购买理财产品记录表计算其中两种理财产品被同一客户购买的支持度、购买一种理财产品的用户又购买另一种理财产品的置信度；

在一个可选的实施例中，参见图6，该步骤s120可以包括以下内容：

步骤s121：利用所述客户购买理财产品记录表中同时购买了两种理财产品的客户数量除以客户总数得到所述支持度。

具体地，理财产品a、理财产品b被同一客户购买的支持度的计算公式如下：

rsupport＝同时购买理财产品a、b的客户数量/客户总数＝p(ab)/p(all)。

步骤s122：利用所述客户购买理财产品记录表中同时购买了两种理财产品的客户数量除以购买了其中一种理财产品的客户数量得到所述置信度。

具体地，该置信度即在购买了理财产品a的人当中，购买理财产品b的比例，计算公式如下：

rconfidenc＝同时购买理财产品a、b的客户数量/购买理财产品a的客户总数＝p(ab)/p(a)。

步骤s130：根据所述客户购买理财产品记录表以及所述置信度计算两种理财产品关联规则应用的提升度。

具体地，利用所述置信度除以所述客户购买理财产品记录表中购买另一种理财产品的客户比例得到所述提升度。

其中，计算理财产品a、理财产品b关联规则应用的提升度，即应用关联规则与不应用产生结果的比例，计算公式如下：

rlift＝购买了理财产品a的人当中，购买理财产品b的比例/购买理财产品b的客户比例＝p(b|a)/p(b|all)。

在一个可选的实施例中，参见图7，该步骤s110可以包括以下内容：

步骤s111：根据各理财产品的属性参数对多种理财产品进行合并得到产品列表；

具体地，将在一段规定时间t内，收益、购买门槛、持续时间、投资品种等相同或非常接近的理财产品品种进行合并，得到产品列表。依据是银行的理财产品销售有期限，募集完毕后基本就不再销售，造成很多产品只是名称不同，或者期数不同，实际上属于一种理财产品；合并这些产品有利于提高数据与算法的稳定性；合并后得到产品列表，如图8所示。

步骤s112：根据所述产品列表以及所述历史购买记录数据整合得到所述客户购买理财产品记录表。

具体地，在整合时，先根据产品列表对历史购买记录数据中客户所购买的产品进行整合，之后一个客户编号与其对应购买的一个理财产品作为一条记录存入客户购买产品记录表中。

在一个可选的实施例中，参见图9，该步骤s200可以包括以下内容：

步骤s210：根据所述理财产品收益曲线、银行利率预测曲线计算各组理财产品的推荐度权重；

具体地，结合银行对利率的预测；假设理财产品x的期限为tx，期限tx内银行利率预测曲线为r(tx)，理财产品x的收益随时间变化曲线为g(tx)，则理财产品x的推荐度权重w(x)计算如下：

如果理财产品x的收益随时间变化曲线为g(tx)不存在，则使用理财产品x的收益随时间变化预估曲线g'(tx)替代。

步骤s220：根据所述推荐度权重以及所述提升度计算各组理财产品的推荐度。

具体地，根据提升度rlift、推荐度权重w(x)计算推荐度rrecommen，计算公式如下：

rrecommend＝rlift×w(x)。

在一个可选的实施例中，该步骤s400可以包括：

步骤i：将支持度低于预设最小支持度阈值、置信度低于最小置信度阈值的理财产品组合剔除后根据所述推荐度对剩余的理财产品组合进行排序后展示。

其中，剔除前的理财产品是根据理财产品利润贡献度进行筛选后的理财产品。

步骤ii：在排序后的理财产品组合中，统计每个理财产品的出现次数；

步骤iii：根据理财产品的出现次数对理财产品进行排序；

步骤iv：将按照出现次数排序后的理财产品中的前预设数量的理财产品的相关数据通过关系图展示。

举例来说，根据上述计算得到的支持度rsupport、置信度rconfidenc、推荐度rrecommen，预先设定最小支持度阈值，比如mins＝0.01，预先设定最小置信度阈值，比如minc＝0.05，将低于最小支持度阈值、最小置信度阈值的理财产品组合剔除，将满足条件的理财产品组合按照推荐度进行排序，理财产品组合包含一个前项item1(即组合中排在前面的理财产品)，一个后项item2(即组合中排在后面的理财产品)。统计每个理财产品作为item1、item2出现的次数总和，根据次数总和从大到小对理财产品进行排序，得到排名前十的理财产品。

可通过统计处理后，向客服人员展示分析结果，比如展示在一段规定时间t内，所有银行理财产品的购买情况，如图10所示。

当然，将在一段规定时间t内，满足给定支持度、置信度的银行理财产品组合，按照推荐度从大到小进行排序，取前十位进行展示。展示的内容包含一个用item1表示的前项、一个用item2表示的后项、购买item1的前提下购买item2的人数、支持度、置信度、推荐度，如图11所示。

值得说明的是，可以将排名前十的银行理财产品通过关系图展示，如图12所示；在关系图里，每个节点代表一个银行的理财产品，节点的大小与对应理财产品作为前项、后项的次数总和成正比；任意两个节点之间的边代表此两种理财产品之间存在关联关系，即其中一种理财产品的销售，会对另外一种理财产品的销售产生影响。

另外，关系图中，鼠标移动到准备查看的节点，突出显示该节点代表的理财产品名称与销量；同时突出显示所有与此理财产品存在关联的其他理财产品，如图13所示；鼠标移动到准备查看的边，突出显示该边所连接的两个节点，使用悬浮文字“xxx>xxx:n”，表示购买理财产品xxx的顾客中购买理财产品xxx的数量有n，如图14所示。

当顾客购买某一前项理财产品时，可根据图10展示的内容，查找相应的后项理财产品作为推荐；可选择关联规则多的几种理财产品作为一个组合同时推荐给客户。

图15为本发明基于银行理财产品销量关联分析的智能产品组合推荐系统结构图；该智能产品组合推荐系统用于实现本发明实施例提供的理财产品推荐方法，该智能产品组合推荐系统包括：数据收集系统1、数据分析系统2、数据展示系统3，数据收集系统1与数据分析系统2连接，数据分析系统2与数据展示系统3连接。数据收集系统1部署在银行的各支行、网点，数据分析系统2部署在银行科技部门，数据展示系统3后台部署在银行科技部门，数据展示系统3前端页面银行各级机构(总行、一级分行、二级分行、支行、网点)均可访问。

具体地，数据收集系统1部署在银行的各支行、网点，负责收集所有客户购买任意一种或多种理财产品的记录。数据分析系统2部署在银行科技部门，负责对数据收集系统1收集的银行理财产品购买记录数据进行预处理、计算、分析，得出结果。

图17是本发明系统中数据分析系统2的模块结构图。数据分析系统2包括数据预处理模块21、数据计算模块22、数据统计模块23，其中，数据预处理模块21与数据计算模块22相连接，数据计算模块22与数据统计模块23相连接。

具体的：

数据预处理模块21的处理流程，参见图16，如下：

步骤s201：合并规定时间内收益、购买门槛、持续时间、投资品种等相同或接近的理财产品得到产品列表；

具体地，将在一段规定时间t内，收益、购买门槛、持续时间、投资品种等相同或非常接近的理财产品品种进行合并，得到产品列表。依据是银行的理财产品销售有期限，募集完毕后基本就不再销售，造成很多产品只是名称不同，或者期数不同，实际上属于一种理财产品；合并这些产品有利于提高数据与算法的稳定性；合并后得到产品列表。

步骤s202：顾客的购买记录整合成列表l，列表l每条记录包含一个客户编号与一个理财产品；

具体地，在一段规定时间t内，顾客的购买记录整合成列表l，列表l每条记录包含一个客户编号与一个理财产品；假如时间t内，a客户购买的理财产品有5种，则该列表关于a客户的记录有5条。

数据计算模块22的处理流程如下：

步骤s203：计算支持度；

具体地，根据步骤s202得到的列表l，计算理财产品两两组合被购买的支持度；理财产品a、理财产品b被同一客户购买的支持度的计算公式如下：

rsupport＝同时购买理财产品a、b的客户数量/客户总数＝p(ab)/p(all)

步骤s204：计算置信度；

具体地，根据步骤s202得到的列表l，计算购买理财产品a同时购买理财产品b的置信度，即在购买了理财产品a的人当中，购买理财产品b的比例，计算公式如下：

rconfidenc＝同时购买理财产品a、b的客户数量/购买理财产品a的客户总数＝p(ab)/p(a)

步骤s205：计算提升度；

根据步骤s202得到的列表l，步骤s203、步骤s204得到的计算结果，计算理财产品a、理财产品b关联规则应用的提升度，即应用关联规则与不应用产生结果的比例，计算公式如下：

rlift＝购买了理财产品a的人当中，购买理财产品b的比例/购买理财产品b的客户比例＝p(b|a)/p(b|all)

步骤s206：结合银行对利率的预测，计算推荐度权重；

具体地，结合银行对利率的预测；假设理财产品x的期限为tx，期限tx内银行利率预测曲线为r(tx)，理财产品x的收益随时间变化曲线为g(tx)，则理财产品x的推荐度权重w(x)计算如下：

如果理财产品x的收益随时间变化曲线为g(tx)不存在，则使用理财产品x的收益随时间变化预估曲线g'(tx)替代。

步骤s207：根据提升度、推荐度权重，计算推荐度；

具体地，根据步骤s205的提升度rlift、步骤s206的推荐度权重w(x)，计算推荐度rrecommen，计算公式如下：

rrecommend＝rlift×w(x)

数据统计模块23的处理流程如下：

步骤s208：剔除不满足给定支持度、置信度的理财产品，将满足条件的理财产品组合按照推荐度进行排序；

其中，剔除前的理财产品是根据理财产品利润贡献度进行筛选后的理财产品。

具体地，根据步骤s203、步骤s204、步骤s207计算的支持度rsupport、置信度rconfidenc、推荐度rrecommen，设定最小支持度阈值mins＝0.01，最小置信度阈值minc＝0.05，将低于设定支持度、置信度的理财产品组合剔除，将满足条件的理财产品组合按照推荐度进行排序，理财产品组合包含一个前项item1，一个后项item2。

步骤s209：统计每个理财产品作为前项、后项出现的次数总和，根据次数总和从大到小对理财产品进行排序，得到排名前十的理财产品。

具体地，根据步骤s208的计算结果，统计每个理财产品作为item1、item2出现的次数总和，根据次数总和从大到小对理财产品进行排序，得到排名前十的理财产品。

数据展示系统3后台部署在银行科技部门，前端页面银行各级机构(总行、一级分行、二级分行、支行、网点)均可访问；数据展示系统3负责展示数据分析系统2的处理结果。

比如展示在一段规定时间t内，所有银行理财产品的购买情况，或者，将在一段规定时间t内，满足给定支持度、置信度的银行理财产品组合，按照推荐度从大到小进行排序，取前十位进行展示。展示的内容包含一个用item1表示的前项、一个用item2表示的后项、购买item1的前提下购买item2的人数、支持度、置信度、推荐度。

另外，数据展示系统3还可以根据步骤s207的计算结果，将排名前十的银行理财产品通过关系图展示；在关系图里，每个节点代表一个银行的理财产品，节点的大小与对应理财产品作为前项、后项的次数总和成正比；任意两个节点之间的边代表此两种理财产品之间存在关联关系，即其中一种理财产品的销售，会对另外一种理财产品的销售产生影响。

关系图中，鼠标移动到准备查看的节点，突出显示该节点代表的理财产品名称与销量；同时突出显示所有与此理财产品存在关联的其他理财产品，鼠标移动到准备查看的边，突出显示该边所连接的两个节点，使用悬浮文字“xxx>xxx:n”，表示购买理财产品xxx的顾客中购买理财产品xxx的数量有n。

综上所述，本发明实施例提供的理财产品推荐方法，直接分析银行理财产品的销售数据，解析客户购买银行理财产品产生的关联，挖掘各产品之间的组合规则；然后结合利率预测曲线与产品收益，计算推荐度；具有数据源准确、取数方便、分析快捷，结果展示直观且分析结果应用方式多的优点，可以有效规避不准确的客户信息与个性化特征导致个性化推荐失败的风险，同时结合利率预测选择对银行有利的产品推荐，为银行客户经理推荐理财产品提供有力参考。

基于同一发明构思，本申请实施例还提供了一种理财产品推荐装置，可以用于实现上述实施例所描述的方法，如下面的实施例所述。由于理财产品推荐装置解决问题的原理与上述方法相似，因此理财产品推荐装置的实施可以参见上述方法的实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合也是可能构想并实现的。

图18是本发明实施例中的理财产品推荐装置的结构框图。如图18所示，该理财产品推荐装置具体包括：产品分析模块10、推荐度排序模块20、利润贡献度筛选模块30以及推荐模块40。

产品分析模块10根据理财产品数据以及对应的历史购买记录数据，获取客户购买理财产品记录中两种理财产品被同一客户购买的支持度、购买一种理财产品的用户又购买另一种理财产品的置信度以及两种理财产品关联规则应用的提升度；

推荐度排序模块20根据所述理财产品收益曲线、银行利率预测曲线以及所述提升度计算各组理财产品的推荐度；

利润贡献度筛选模块30根据银行理财产品利润贡献度对理财产品进行筛选；

推荐模块40根据所述支持度、所述置信度以及所述推荐度对筛选后的理财产品进行推荐。

比起客户画像所需要的各种数据，理财产品的各种信息作为银行处理业务自动产生的数据，更容易被银行本身收集，并且数据质量最高；银行在利率的走势预测有一定的积累，根据利率预期走势可以推荐更符合银行利益的产品；因此，基于银行理财产品销量，挖掘银行理财产品之间组合规则，在寻找产品之间关联的同时结合利率预期对产品推荐进行加权，既可以有效规避不准确的客户信息与个性化特征导致个性化推荐失败的风险，又可以结合利率预测选择对银行有利的产品推荐，实现基于银行理财产品销售关联与预期利率加权的智能推荐。

上述实施例阐明的装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为电子设备，具体的，电子设备例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

在一个典型的实例中电子设备具体包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述的理财产品推荐方法的步骤。

下面参考图19，其示出了适于用来实现本申请实施例的电子设备600的结构示意图。

如图19所示，电子设备600包括中央处理单元(cpu)601，其可以根据存储在只读存储器(rom)602中的程序或者从存储部分608加载到随机访问存储器(ram))603中的程序而执行各种适当的工作和处理。在ram603中，还存储有系统600操作所需的各种程序和数据。cpu601、rom602、以及ram603通过总线604彼此相连。输入/输出(i/o)接口605也连接至总线604。

以下部件连接至i/o接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如lan卡，调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至i/o接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装如存储部分608。

特别地，根据本发明的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明的实施例包括一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述的理财产品推荐方法的步骤。

在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitorymedia)，如调制的数据信号和载波。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。