基于统计结构化本地差分隐私的理财产品推荐方法及系统

    公开(公告)号:CN116188171A

    公开(公告)日:2023-05-30

    申请号:CN202211648515.3

    申请日:2022-12-19

    Abstract: 本发明公开一种基于统计结构化本地差分隐私的理财产品推荐方法及系统。包括:在用户端获取原始特征,原始特征根据取值类型分为连续值特征和离散分类特征,并按取值类型对原始特征进行预处理,分析确定特征筛选标准,再对预处理后的原始特征进行筛选;对筛选后的特征进行分群处理得到若干样本分群,对不同的样本分群添加对应的结构化差分噪声;构建理财产品推荐模型,将添加结构化差分噪声后的样本集划分为训练集与测试集,利用训练集训练推荐模型,将测试集输入训练好的推荐模型进行推理,得到推荐因子。本发明方法考虑离散分类特征,基于统计结构化的本地差分隐私方法,定量化隐私预算,保护理财用户隐私的基础上,提高推荐因子的计算准确度。

    基于强化学习的投资组合确定方法、装置和电子设备

    公开(公告)号:CN116029835A

    公开(公告)日:2023-04-28

    申请号:CN202310095700.2

    申请日:2023-01-18

    Abstract: 本申请涉及一种基于强化学习的投资组合确定方法、装置和电子设备,其中,该基于强化学习的投资组合确定方法包括:构建包括多种不同投资策略的投资策略库,投资策略用于确定投资组合;构建用于表征交易窗口状态的状态特征向量,状态特征向量包括样本状态特征向量和真实状态特征向量;根据投资策略库和样本状态特征向量训练神经网络模型,得到投资组合决策模型;根据真实状态特征向量和投资组合决策模型确定目标投资策略,根据目标投资策略确定目标投资组合。通过选取多种针对不同市场状态的投资策略构建投资策略库,相比于现有技术,决策结果更加稳定,且更具有解释性。解决了相关技术中存在决策结果不稳定、可解释性差的问题。

Patent Agency Ranking