技术摘要：
本申请提供了一种投资产品的推荐方法及相关装置，所述方法包括：获取每个用户的用户信息以及每个投资产品的产品信息；基于每个用户的用户信息以及每个投资产品的产品信息，构建用户与投资产品间的知识图谱；分别基于预设的个人基本信息优先策略、财务信息优先策略以及  全部
背景技术：
传统的投资顾问主要通过人工一对一进行沟通的方式，向用户提供投资咨询服 务，所以收取的费率下对昂贵，投资门槛高，主要服务于高净值人群。但是随着经济的发展， 城乡居民的收入不断增加，个人可支配的收入中可用来投资理财的比例增大，所以现今在 中产及以下的人群中存在着巨大的市场空间。 由于传统的方式不再适用于数量如此庞大的人群中，所以现在许多公司都开始推 行智能投顾软件，通过智能投顾软件对用户行为、市场、产品等数据进行分析，进而高效、便 捷、低价地为用户提供相对符合用户需求的投资组合建议。 但是现今的智能投顾软件中，主要通过人为设置各个投资影响因素的权重值，然 后将用户的信息、投资产品的信息乘以相应的权重值，并将等分高的投资产品推荐给用户。 但是不同的用户的情况比较多样，影响用户购买不同的投资产品的主要因素也不相同，采 用人为设置的固定权重值来确定投资产品，只能适用于普遍的情况，并不能很好地为不同 的用户提供最合适用户的投资产品。
技术实现要素：
基于上述现有技术的不足，本申请提供了一种投资产品的推荐方法及相关装置， 以解决现有的方式不能好地向用户推荐最适合用户的投资产品的问题。 为了实现上述目的，本申请提供了以下技术方案： 本申请第一方面提供了一种投资产品的推荐方法，包括： 获取每个用户的用户信息以及每个投资产品的产品信息；其中，所述用户信息包 括个人基本信息、财务信息、以及投资信息； 基于每个所述用户的用户信息以及每个所述投资产品的产品信息，构建所述用户 与所述投资产品间的知识图谱； 分别基于预设的所述个人基本信息优先策略、所述财务信息优先策略以及所述投 资信息优先策略，在所述知识图谱上进行随机游走，得到多个节点序列； 应用词向量模型分别对每个所述节点序列进行训练，得到每个所述节点序列中的 各个节点的向量；其中，所述节点至少包括用户节点和投资产品节点； 分别针对每个节点序列，利用所述节点序列中的每个所述用户节点的向量和每个 所述投资产品节点的向量，计算得到每个所述用户节点对应的所述用户与每个所述投资产 品节点对应的所述投资产品间的关联性得分； 根据每个所述用户与每个所述投资产品间的关联性得分，生成每个所述用户的投 资产品的推荐列表。 可选地，在上述的投资产品的推荐方法中，所述分别基于预设的所述个人基本信 4 CN 111581516 A 说　明　书 2/10 页 息优先策略、所述财务信息优先策略以及所述投资信息优先策略，在所述知识图谱上进行 随机游走，得到多个节点序列，包括： 分别基于预设的所述个人基本信息优先策略、所述财务信息优先策略以及所述投 资信息优先策略，在所述知识图谱上进行多次预设游走步数的随机游走，得到多个偏置所 述个人基本信息的第一类型节点序列、多个偏置所述财务信息的第二类型节点序列以及多 个偏置所述投资信息的第三类型节点序列。 可选地，在上述的投资产品的推荐方法中，所述分别针对每个节点序列，利用所述 节点序列中的每个所述用户节点的向量和每个所述投资产品节点的向量，计算得到每个所 述用户节点对应的所述用户与每个所述投资产品节点对应的所述投资产品间的关联性得 分，包括： 分别针对每个节点序列，计算所述节点序列中的每个所述用户节点的向量和每个 所述投资产品节点的向量的余弦相似度； 根据每个所述用户节点的向量和每个所述投资产品节点的向量的余弦相似度，确 定每个所述用户节点对应的所述用户与每个所述投资产品节点对应的所述投资产品间的 关联性得分；其中，所述余弦相似度越高，确定出的所述关联性得分越高。 可选地，在上述的投资产品的推荐方法中，所述根据每个所述用户与每个所述投 资产品间的关联性得分，生成每个所述用户的投资产品的推荐列表，包括： 分别针对每个所述用户，计算所述用户与每个所述投资产品间的各个关联性等分 的平均值； 分别针对每个所述用户，将所述投资产品依据所述平均值从大到小的顺序进行排 序，并将排序在前N名的所述投资产品作为所述用户的投资产品的推荐列表；其中，N为正整 数。 可选地，在上述的投资产品的推荐方法中，所述根据每个所述用户与每个所述投 资产品间的关联性得分，生成每个所述用户的投资产品的推荐列表之后，还包括： 实时监控每个所述投资产品在投资市场中的状态信息，并定时向每个所述用户反 馈每个所述投资产品的效益期望和风险报告。 本申请第二方面提供了一种投资产品的推荐装置，包括： 获取单元，用于获取每个用户的用户信息以及每个投资产品的产品信息；其中，所 述用户信息包括个人基本信息、财务信息、以及投资信息； 构建单元，用于基于每个所述用户的用户信息以及每个所述投资产品的产品信 息，构建所述用户与所述投资产品间的知识图谱； 游走单元，用于分别基于预设的所述个人基本信息优先策略、所述财务信息优先 策略以及所述投资信息优先策略，在所述知识图谱上进行随机游走，得到多个节点序列； 训练单元，用于应用词向量模型分别对每个所述节点序列进行训练，得到每个所 述节点序列中的各个节点的向量；其中，所述节点至少包括用户节点和投资产品节点； 评分单元，用于分别针对每个节点序列，利用所述节点序列中的每个所述用户节 点的向量和每个所述投资产品节点的向量，计算得到每个用户所述节点对应的所述用户与 每个所述投资产品节点对应的所述投资产品间的关联性得分； 生成单元，用于根据每个所述用户与每个所述投资产品间的关联性得分，生成每 5 CN 111581516 A 说　明　书 3/10 页 个所述用户的投资产品的推荐列表。 可选地，在上述的投资产品的推荐装置中，所述游走单元，包括： 游走子单元，用于分别基于预设的所述个人基本信息优先策略、所述财务信息优 先策略以及所述投资信息优先策略，在所述知识图谱上进行多次预设游走步数的随机游 走，得到多个偏置所述个人基本信息的第一类型节点序列、多个偏置所述财务信息的第二 类型节点序列以及多个偏置所述投资信息的第三类型节点序列。 可选地，在上述的投资产品的推荐装置中，所述评分单元，包括： 第一计算单元，用于分别针对每个节点序列，计算所述节点序列中的每个所述用 户节点的向量和每个所述投资产品节点的向量的余弦相似度； 确定单元，用于根据每个所述用户节点的向量和每个所述投资产品节点的向量的 余弦相似度，确定每个所述用户节点对应的所述用户与每个所述投资产品节点对应的所述 投资产品间的关联性得分；其中，所述余弦相似度越高，确定出的所述关联性得分越高。 可选地，在上述的投资产品的推荐装置中，所述生成单元，包括： 第二计算单元，用于分别针对每个所述用户，计算所述用户与每个所述投资产品 间的各个关联性等分的平均值； 排序单元，用于分别针对每个所述用户，将所述投资产品依据所述平均值从大到 小的顺序进行排序，并将排序在前N名的所述投资产品作为所述用户的投资产品的推荐列 表；其中，N为正整数。 可选地，在上述的投资产品的推荐装置中，还包括： 监控单元，用于实时监控每个所述投资产品在投资市场中的状态信息，并定时向 每个所述用户反馈每个所述投资产品的效益期望和风险报告。 本申请第三方面提供了一种电子设备，包括： 一个或多个处理器； 存储器，其上存储有一个或多个程序； 当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处 理器实现如上述任意一项所述的投资产品的推荐方法。 本申请第四方面提供了一种计算机存储介质，用于存储程序，所述程序被执行时， 用于实现如上述任意一项所述的投资产品的推荐方法。 本申请提供了一种投资产品的推荐方法，通过获取每个用户的用户信息以及每个 投资产品的产品信息；其中，用户信息包括个人基本信息、财务信息、以及投资信息。然后基 于每个用户的用户信息以及每个所述投资产品的产品信息，构建用户与所述投资产品间的 知识图谱，并分别基于预设的个人基本信息优先策略、财务信息优先策略以及投资信息优 先策略，在所述知识图谱上进行随机游走，得到多个节点序列，从而实现从三个方面考虑符 合用户需求的投资产品。其次，应用词向量模型分别对每个节点序列进行训练，得到每个节 点序列中的各个节点的向量，并分别针对每个节点序列，利用节点序列中的每个所述用户 节点的向量和每个投资产品节点的向量，计算得到每个用户节点对应的用户与每个投资产 品节点对应的投资产品间的关联性得分，最终根据每个用户与每个投资产品间的关联性得 分，生成每个用户的投资产品的推荐列表，从而基于知识图谱实现了一种能准确为用户推 荐最合适用户的投资产品的方法。 6 CN 111581516 A 说　明　书 4/10 页 附图说明 为了更清楚地说明本发明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，下面描述中的附图仅仅是本 发明的实施例，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 提供的附图获得其他的附图。 图1为本申请实施例提供的一种投资产品的推荐方法的流程示意图； 图2为本申请另一实施例提供的一种计算关联性得分的方法的流程示意图； 图3为本申请另一实施例提供的一种生成投资产品的推荐列表的方法的流程示意 图； 图4为本申请另一实施例提供的一种投资产品的推荐装置的结构示意图； 图5为本申请另一实施例提供的一种评分单元的结构示意图； 图6为本申请另一实施例提供的一种生成单元的结构示意图。