(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221042520 0.6 (22)申请日 2022.04.21 (71)申请人 赵素英 地址 550007 贵州省贵阳市南明区花 果园 (72)发明人 赵素英　 (51)Int.Cl. G06Q 30/06(2012.01) G06Q 40/06(2012.01) G06F 16/9535(2019.01) G06V 10/762(2022.01) G06V 10/74(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种大数据基金推荐方法及系统 (57)摘要 本发明公开了一种大数据基金推荐方法及 系统。 获得资产信息。 获得投资信息。 基于 所述投 资信息， 通过偏好模型， 得到投资偏好信息。 基于 所述投资偏好信息和所述资产信息中曾经投资 基金图像， 得到偏好图像。 基于所述偏好图像和 资产信息， 得到推荐投资基金集合。 基于所述推 荐投资基金集合， 向用户推荐基金。 通过偏好转 换结构将图像特征转换为数值， 构成特征向量。 偏好判别网络进行判别， 准确的判别两张图像是 否相似。 将用户最常投资基金图像中的值复制， 通过聚类算法， 得到偏好图像。 能够结合多张基 金图像进行判断， 防止了判断的片面性。 将当前 可用于投资的基金图像， 通过特征相似值从局部 到整体对与偏好图像进行相似判别， 准确的进行 基金推荐。 权利要求书3页 说明书10页 附图3页 CN 114742618 A 2022.07.12 CN 114742618 A 1.一种大 数据基金推荐方法， 其特 征在于， 包括： 获得资产信息； 所述资产信息包括资产资金和多张当前基金图像； 所述资产资金表示 用户用于投资的资金； 所述当前基金图像表述当前所有可以用于投资的基金 的前6个月走 势图像； 获得投资信息； 所述投资信息包括多张曾经投资基金图像和对应投资资金； 所述曾经 投资基金图像投资基金在投资时间点的前6个月走势图像； 基于所述投资信 息， 通过偏好模型， 得到投资偏好信息； 所述投资偏好信息包括投资偏 好集合和对应投资的基金图像； 基于所述投资偏好信息和所述资产信息中曾经投资基金图像， 得到偏好图像； 基于所述偏好图像和资产信息， 得到推荐投资基金集 合； 基于所述推荐投资基金集 合， 向用户推荐基金。 2.根据权利要求1所述的一种大数据基金推荐方法， 其特征在于， 所述偏好模型包括偏 好卷积网络、 偏好 转换结构和偏好判别网络： 所述偏好卷积网络的输入为确定基金图像和变化基金图像； 所述偏好转换结构的输入 为所述偏好卷积网络的输出； 所述偏好判别网络的输入为所述偏好 转换结构的输出。 3.根据权利要求1所述的一种大数据基金推荐方法， 其特征在于， 所述基于所述投资信 息， 通过偏好模型， 得到投资偏好信息， 包括： 基于所述投资信息中多张曾经投资基金图像， 输入预处理模块， 得到预处理基金图像 集合； 获得第一确定基金图像； 所述确定基金图像为所述预处 理基金图像集 合中的图像； 获得第一变化基金图像集合； 所述变化基金图像表述多个预处理基金图像中除确定基 金图像之外图像组成的集 合； 将所述第一变化基金图像集合和第 一确定基金图像输入偏好模型， 得到第 一用户基金 相似集合； 所述第一用户基金相似集合表示和 第一变化基金图像集合中与第一确定基金图 像相似的图像集 合； 通过多次从所述预处理基金图像集合中除用户基金相似集合之外的预处理基金图像 获得确定基金图像和变化基金图像集合； 将所述确定基金图像和变化基金图像集合输入偏 好模型， 得到多个用户基金相似集 合； 基于所述多个用户基金相似集合， 得到多个用户基金相似数量； 所述用户基金相似数 量表示所述用户基金相似集 合中值的数量； 基于所述多个用户基金相似数量， 得到投资偏好信息； 所述投资偏好信息包括投资偏 好集合和对应投资的基金图像； 所述投资偏好集合表示用户基金相似数量大于其他用户基 金相似数量的用户基金相似集 合。 4.根据权利要求3所述的一种大数据基金推荐方法， 其特征在于， 所述基于所述基金图 像， 输入预处 理模块， 得到预处 理基金图像， 包括： 将所述基金图像进行 灰度化， 得到灰度基金图； 将所述灰度基金图， 进行二 值化， 得到二 值基金图； 基于所述 二值基金图， 得到基金折线； 基于所述基金折线和所述二值基金图， 得到预处理基金图像； 所述预处理基金图像为权　利　要　求　书 1/3 页 2 CN 114742618 A 2所述二值基金图像中 高度小于所述基金折线的像素值用0替代的图像。 5.根据权利要求3所述的一种大数据基金推荐方法， 其特征在于， 所述将所述第 一变化 基金图像集 合和第一确定基金图像输入偏好模型， 得到第一用户基金相似集 合， 包括： 将所述第一确定基金图像输入偏好卷积网络， 得到第一确定特 征图； 基于所述第一确定特 征图， 通过偏好 转换结构， 得到第一确定特 征向量； 获得第一变化基金图像； 所述第 一变化基金图像为所述第 一变化基金图像集合中的图 像； 将所述第一变化基金图像输入偏好卷积网络， 进行特征提取， 得到第一变化基金特征 图； 基于所述第一变化特 征图， 通过偏好 转换结构， 得到第一变化基金 特征向量； 基于所述确定特征向量和所述第一变化基金特征向量， 通过偏好判别网络， 得到第一 判别相似值； 所述判别相似值为0表示所述确定特征向量和所述第一变化基金特征向量不 相似； 通过多次从第一变化基金图像集合中提取图像， 并通过偏好卷积网络进特征提取， 偏 好神经网络进行特征分类， 得到对应多个变化基金特征向量； 将所述变化基金特征向量与 确定特征向量， 通过偏好判别网络， 得到多个判别相似值； 基于所述多个判别相似值， 将所述基金图像进行分类， 得到第一用户相似集 合。 6.根据权利要求1所述的一种大数据基金推荐方法， 其特征在于， 所述基于所述投资偏 好信息和所述资产信息中曾经投资基金图像， 得到偏好图像， 包括： 基于所述投资偏好信息中的投资偏好集合， 将所述曾经投资基金图像分类， 得到多个 曾经投资基金图像组； 所述曾经投资基金图像组包括多张相似的基金图像； 获得归零矩阵； 所述归零矩阵表示核基金图像相同大小， 且， 矩阵中值都为0的矩阵； 将所述曾经投资基金图像组中基金图像， 改变归零矩阵中的值， 得到 重合矩阵； 基于所述重合矩阵， 通过聚类算法， 得到聚类中心点 集合； 基于所述聚类中心点 集合， 进行连接， 得到偏好图像。 7.根据权利要求1所述的一种大数据基金推荐方法， 其特征在于， 所述基于所述偏好图 像和资产信息， 得到推荐投资基金集 合， 包括： 将所述偏好图像输入判别卷积特 征网络， 进行 特征提取， 得到偏好特 征图； 获得第一当前基金图像； 所述第 一当前基金图像为所述资产信 息中多张当前基金图像 中的图像； 将所述第一当前基金图像输入判别卷积特征网络， 进行特征提取， 得到第一当前基金 特征图； 基于所述偏好特 征图和第一当前基金 特征图， 进行相似计算， 得到第一相似向量 集合； 基于所述第一相似向量 集合， 得到第一图像相似程度矩阵； 基于所述第一图像相似程度矩阵， 得到第一推荐投资基金判断值； 通过将所述资产信 息中多张当前基金图像与所述偏好特征图进行相似计算， 得到对应 推荐投资基金判断值， 若推荐投资基金判断值为1， 将当前基金图像加入推荐投资基金集 合。 8.根据权利要求7所述的一种大数据基金推荐方法， 其特征在于， 所述基于所述第 一相权　利　要　求　书 2/3 页 3 CN 114742618 A 3