总结与展望
本文在对比分析以往智能推荐算法优缺点的基础上,提出了基于内容、基于用户的协同推荐、基于知识三者于一体的混合推荐,引入切换混合、交叉混合两种混合策略,能在不同情形下动态切换。避免了推荐的理财产品过于同质化,信息过载问题普遍的今天,对于欠缺理财知识的新用户,通过智能推荐可以减轻用户选择的忧虑,对于积累了一定理财知识的用户,可以快速定位合适的产品,合适的推荐能减少用户流失率而为公司带来增值效益。
但由于专业知识限制,本文在算法上还有许多缺陷和不足之处,对于理财产品的特殊性考虑也较少。未来还需要在以下方面改进:未充分考虑理财产品和普通商品的差异;
对于推荐结果的评价,除了传统的评价方法,理财产品的推荐结果评价应该能够尽量避免结构化风险;需要构建一个适合理财产品的动态推荐系统。
参考文献:
[1] 郎鹏程.基于用户协同过滤推荐技术的研究与实现[D].宁夏:宁夏大学,2017.
[2] 王芮莹.互联网金融理财产品多粒度推荐模型研究[D].重庆:重庆工商大学,2018.
[3] 汪瑜彬.基于混合协同过滤的电影推荐系统的设计与实现[D].北京:北京工业大学,2016.
[4] 张春丽,张涛.基于用户社会关系推送理财产品的研究[J].电脑知识与技术,2016,(12).
[5] 张松兰.智能推荐算法研究综述[J].长春师范大学学报,2017,(36).
[6] 周莹.基于证券理财产品用户行为分析的个性化推荐研究[D].成都,电子科技大学,2014.
[7] 朱子江,刘东,刘寿强.基于用户行为的推荐算法研究[J].软件导刊,2017,(16).
相关热词搜索: 互联网 理财产品 混合 策略 智能