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！

龙图腾网恭喜浙商证券股份有限公司申请的专利基于协同过滤和神经网络的金融产品推荐方法及系统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：CN119741071B 。

龙图腾网通过国家知识产权局官网在2025-05-09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：202510245000.6，技术领域涉及：G06Q30/0251；该发明授权基于协同过滤和神经网络的金融产品推荐方法及系统是由周捷;林晖晖;王一华;童卫;龚淑琴;吕婴;杜真真;阮家政设计研发完成，并于2025-03-04向国家知识产权局提交的专利申请。

本基于协同过滤和神经网络的金融产品推荐方法及系统在说明书摘要公布了：本发明公开一种基于协同过滤和神经网络的金融产品推荐方法及系统，方法包括：获取目标用户的相关数据，基于标签相关数据计算喜好相似度，基于喜好相似度构建相似用户集合；得到相似用户集合中历史用户对目标推荐产品的初始兴趣度，通过喜好相似度和初始兴趣度，得到目标用户对目标推荐产品的兴趣度并构建目标推荐产品库；进行动态更新并对更新目标推荐产品库中目标推荐产品的相关数据进行数据预处理得到训练样本集；得到风险预算模型；基于风险预算模型得到目标推荐产品的最优比例并进行可视化展示。能够实时匹配：通过改进的协同过滤算法计算目标用户的兴趣正确识别目标用户的兴趣偏好，找到当前时刻与之匹配的金融产品构建个性化金融产品池。

本发明授权基于协同过滤和神经网络的金融产品推荐方法及系统在权利要求书中公布了：1.一种基于协同过滤和神经网络的金融产品推荐方法，其特征在于，包括以下步骤：获取目标用户的相关数据，其中，用户相关数据至少包括标签相关数据和行为相关数据，行为相关数据包括行为数据和行为发生时间，行为数据至少包括点击浏览记录、收藏记录及购买记录；基于标签相关数据，计算目标用户与历史用户数据库中历史用户对目标推荐产品的喜好相似度，基于喜好相似度构建相似用户集合；获取目标用户感兴趣的目标推荐产品数量和历史用户感兴趣的目标推荐产品数量，确定目标用户与历史用户感兴趣的目标推荐产品的产品总量及共同感兴趣的目标推荐产品数量，进而得到目标用户与历史用户的第一喜好相似度；获取目标用户最近一次对目标产品发生行为的时间及历史用户最近一次对目标产品发生行为的时间，结合产品总量及共同感兴趣的目标推荐产品数量，得到目标用户与历史用户的第二喜好相似度；对第一喜好相似度和第二喜好相似度进行加权处理，得到目标用户和历史用户的喜好相似度，并基于喜好相似度得分排名前若干位对应的历史用户构建相似用户集合；所述第一喜好相似度，表示如下： 所述第二喜好相似度，表示如下： 所述喜好相似度，表示如下： 其中，表示第一喜好相似度，表示第二喜好相似度，表示目标用户和历史用户的喜好相似度，表示目标用户最近一次对目标产品发生行为的时间，表示历史用户最近一次对目标产品发生行为的时间，表示第个目标推荐产品，表示目标用户感兴趣的目标推荐产品数量，表示历史用户感兴趣的目标推荐产品数量，表示目标用户和历史用户共同感兴趣的目标推荐产品数量；基于行为相关数据，得到相似用户集合中历史用户对目标推荐产品的初始兴趣度，通过所述喜好相似度和初始兴趣度，得到目标用户对目标推荐产品的最终兴趣度，并对最终兴趣度进行修正，得到修正兴趣度并基于修正兴趣度构建目标推荐产品库；通过目标用户的点击浏览记录、收藏记录及购买记录，确定目标用户对目标推荐产品的初始兴趣度；基于第一喜好相似度和初始兴趣度，得到目标用户对目标推荐产品的第一兴趣度，通过第二喜好相似度和初始兴趣度，得到目标用户对目标产品的第二兴趣度；基于第一兴趣度和第二兴趣度，得到目标用户对目标产品的最终兴趣度；通过高斯连接函数对最终兴趣度进行修正，得到修正兴趣度，并将修正兴趣度得分排名前若干位对应的目标产品构建目标推荐产品库；所述初始兴趣度，表示如下： 所述第一兴趣度，表示如下： 所述第二兴趣度，表示如下： 所述最终兴趣度，表示如下： 所述修正兴趣度，表示如下： 其中， 其中，表示最终兴趣度，表示相似用户集合，表示基于高斯连接函数构建的最大似然函数获得的用户相似度，表示历史用户的平均兴趣得分，表示目标用户对目标推荐产品的兴趣度排名，表示目标推荐产品的数量，分别表示归一化的目标用户对目标推荐产品的兴趣度排名和历史用户对目标推荐产品的兴趣度排名，表示用户相似度，表示初始兴趣度，分别表示点击浏览记录、收藏记录及购买记录对应的数量，分别表示点击浏览记录、收藏记录及购买记录的占比，分别表示第一兴趣度，第二兴趣度及最终兴趣度，表示相似用户集合，表示第一喜好相似度，表示第二喜好相似度，表示目标用户和历史用户共同感兴趣的目标推荐产品数量，表示第个目标推荐产品，表示标准高斯分布的反函数；对目标推荐产品库进行动态更新，得到更新目标推荐产品库，并对更新目标推荐产品库中目标推荐产品的相关数据进行数据预处理，所述目标推荐产品的相关数据包括历史收益率、历史资金净流入量以及历史规模，得到训练样本集；构建风险预算预训练模型，通过训练样本集对风险预算预训练模型进行训练并优化，得到风险预算模型，风险预算预训练模型包括数据输入层、主结构层、风险预算层及结果转化层，主结构层包括池化层和全连接层，数据输入层接收训练样本集，通过卷积层和池化层对不同步进下的训练样本集进行多层次特征提取，得到相关特征并进行降维操作，得到降维特征，将降维特征集中两个不同步进的特征做拼接处理，得到拼接特征并输入至全连接层；全连接层接收拼接特征并结合激活函数ReLu，得到各目标推荐产品在时间序列的风险预算值集合，其中，所有风险预算值的和为1，风险预算层对风险预算值进行处理，并得到凸优化结果即得到目标推荐产品的最优比例；所述风险预算层对风险预算值进行处理，并得到凸优化结果，具体过程如下：构建目标函数，并使得目标函数的结果达到最小化预测误差，表示如下： 约束条件为：其中，N表示目标推荐产品组合中目标推荐产品的个数，表示组合权重矩阵，为目标推荐产品协方差矩阵，表示组合方差，表示第个目标推荐产品的权重，表示第个目标推荐产品的风险预算值，且；结合预设稳定性条件，将目标函数进行修改和转换，得到转换目标函数，表示如下： 约束条件为：基于求解器进行求解并对结果进行归一化处理，得到各目标推荐产品的最优比例，表示如下： 其中，表示第个目标推荐产品经预设稳定性条件变换后的权重，表示第个目标推荐产品的最优比例；将所述目标推荐产品的最优比例进行可视化展示。

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浙商证券股份有限公司，其通讯地址为：310000 浙江省杭州市上城区五星路201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”。