評估用戶業務偏好方法、用戶投資風險偏好方法及裝置與流程

2023-06-13 13:39:06

本申請涉及網際網路
技術領域：
，尤其涉及評估用戶業務偏好、用戶投資風險偏好方法及裝置。
背景技術：
：目前，在大多數的服務行業中，為了提高業務質量，通常會通過問卷調查的方式評估用戶對於某業務的偏好程度，然後根據調查結果有針對性地提高該業務質量。例如，銀行或其他金融機構會先通過問卷調查的方式，獲取用戶對於投資風險的偏好或對於投資風險的承受能力，再根據調查結果制定出更加符合用戶投資習慣的金融產品等等。上述現有技術通過問卷調查的方式，有時的確可以準確地獲得用戶對於某業務的偏好程度，但是獲得的調查結果，通常只是反映了參與問卷調查的用戶對於某業務的主觀感受，沒有客觀地反映出用戶對於該業務的偏好程度。技術實現要素：鑑於上述問題，本申請實施例提供了一種評估用戶業務操作偏好方法，用於解決現有技術中主觀地評估用戶對於某項業務的偏好的問題。一種評估用戶業務偏好的方法，該方法包括：獲取用戶在業務操作中產生的特徵向量，所述特徵向量的組成元素中包含所述用戶在所述業務操作中產生的至少一個業務偏好指標值；根據預設規則對所述特徵向量進行處理，得到所述用戶對所述業務操作的偏好程度，並根據所述偏好程度評估所述用戶對於所述業務的偏好，其中，所述預設規則是通過用戶在所述業務操作中產生的特徵向量和用戶對所述業務的偏好程度經過訓練獲得的。優選地，所述業務偏好指標值的確定方法是：獲取在預設時間內所述業務的輿情指標、所述用戶在所述業務操作中投入的資源量、所述資源量的變化量以及所述資源量的變化時間；根據所述業務的輿情指標、所述資源量、所述資源量的變化量以及所述資源量的變化時間確定所述用戶在所述業務操作中產生的業務偏好指標值，所述業務偏好指標值的數量至少為一個。優選地，所述預設規則是通過用戶在所述業務操作中產生的特徵向量和用戶對所述業務的偏好程度經過訓練獲得的具體包括：對用戶在所述業務操作中產生的特徵向量進行聚類運算，得到各所述用戶的分類；根據各所述分類中用戶對於所述業務操作的預設第一偏好程度，確定各所述分類中用戶對於所述業務操作的第二偏好程度；將所述第二偏好程度作為輸出數據，並將所述用戶在所述業務操作中產生的特徵向量作為輸入數據，對預設規則進行訓練，得到所述預設規則。優選地，所述根據各所述分類中用戶對於所述業務操作的預設第一偏好程度，確定各所述分類中用戶對於所述業務操作的第二偏好程度，具體包括：根據各所述分類中用戶對於所述業務操作的預設第一偏好程度，獲取各所述分類中用戶對於所述業務操作的平均偏好程度，將所述平均偏好程度作為各所述分類中用戶對於所述業務操作的第二偏好程度。優選地，在得到所述用戶對所述業務操作的偏好程度後，所述方法還包括：根據所述用戶對所述業務操作的預設偏好程度，對所述得到的所述用戶對所述業務操作的偏好程度進行修正。優選地，所述對用戶在所述業務操作中產生的特徵向量進行聚類運算包括：從所述用戶在所述業務操作中產生的特徵向量中隨機提取k個特徵向量作為初始聚類中心，所述k的值為大於或等於1的正整數；確定各所述用戶在所述業務操作中產生的特徵向量與各所述初始聚類中心之間的距離，將各所述特徵向量歸類到所述距離最小的聚類中心對應的類別中；分別計算獲得各所述類別中包含的特徵向量的算數平均值，將各所述算數平均值作為新的各所述類別的聚類中心，並對各所述用戶在所述業務操作中產生的特徵向量進行重新歸類，直到第一代價函數收斂，所述第一代價函數用於表徵所述聚類運算的完成情況。優選地，所述對用戶在所述業務操作中產生的特徵向量進行聚類運算包括：將所述用戶在所述業務操作中產生的特徵向量隨機地分為n個模糊組，所述n的值為大於或等於1的正整數；用0到1之間的隨機數初始化隸屬矩陣，所述隸屬矩陣用來表徵各所述用戶在所述業務操作中產生的特徵向量屬於各所述模糊組的程度；根據所述隸屬矩陣確定各所述模糊組中的聚類中心，並計算各所述用戶在所述業務操作中的特徵向量與各所述聚類中心之間的距離；根據各所述距離確定第二代價函數的值是否小於預設的閾值，如果是，則停止所述聚類運算；如果否，則更新所述隸屬矩陣並確定新的聚類中心，直到所述第二代價函數小於所述預設閾值，所述第二代價函數用於表徵所述聚類運算的完成情況。一種評估用戶投資風險偏好的方法，該方法包括：獲取用戶在投資操作中產生的特徵向量，所述特徵向量的組成元素中包含所述用戶在所述投資操作中產生的至少一個投資風險偏好指標值；根據預設規則對所述特徵向量進行處理，得到所述用戶對所述投資風險的偏好程度，並根據所述偏好程度評估所述用戶對於所述投資風險的偏好，其中，所述預設規則是通過用戶在所述投資操作中產生的特徵向量和用戶對所述投資的偏好程度經過訓練獲得的。優選地，所述投資風險偏好指標值的確定方法是：獲取在預設時間內所述投資業務的輿情指標、所述用戶在所述投資操作中投入的資金量、所述資金量的變化量以及所述資金量的變化時間；根據所述投資業務的輿情指標、所述資金量、所述資金量的變化量以及所述資金量的變化時間確定所述用戶在所述投資操作中產生的投資風險偏好指標值，所述投資風險偏好指標值的數量至少為一個一種評估用戶業務偏好的裝置，該裝置包括：獲取單元和評估單元，其中；所述獲取單元，用於獲取用戶在業務操作中產生的特徵向量，所述特徵向量的組成元素中包含所述用戶在所述業務操作中產生的至少一個業務偏好指標值；所述評估單元，用於根據預設規則對所述特徵向量進行處理，得到所述用戶對所述業務操作的偏好程度，並根據所述偏好程度評估所述用戶對於所述業務的偏好，其中，所述預設規則是通過用戶在所述業務操作中產生的特徵向量和用戶對所述業務的偏好程度經過訓練獲得的。優選地，所述裝置還包括修正單元，所述修正單元用於：在得到所述用戶對所述業務操作的偏好程度後，根據所述用戶對所述業務操作的預設偏好程度，對所述得到的所述用戶對所述業務操作的偏好程度進行修正。本申請實施例提供了一種評估用戶業務偏好的方法，該方法包括：首先，獲取用戶在業務操作中產生的特徵向量，該特徵向量的組成元素中包含該用戶在該業務操作中產生的至少一個業務偏好指標值，然後，根據預設規則對獲取的特徵向量進行處理，得到該用戶對該業務操作的偏好程度，並根據該偏好程度評估該用戶對於該業務的偏好，其中，該預設規則是通過用戶在該業務操作中的特徵向量和用戶對該業務的偏好程度經過訓練獲得的。相比於現有技術中根據問卷調查的方式獲取用戶對於某項業務的偏好的方法，本申請實施例通過獲取用戶在對某項業務的實際操作中產生的特徵向量，從而獲得該用戶對於該業務的偏好程度，該偏好程度更加客觀地反映了用戶對於該業務的偏好。附圖說明此處所說明的附圖用來提供對本申請的進一步理解，構成本申請的一部分，本申請的示意性實施例及其說明用於解釋本申請，並不構成對本申請的不當限定。在附圖中：圖1為本申請實施例1提供的一種評估用戶業務偏好的方法的流程示意圖；圖2為本申請實施例2提供的一種評估用戶投資風險偏好的方法的流程示意圖；圖3為本申請實施例3提供的一種評估用戶業務偏好的裝置的結構示意圖。具體實施方式在
背景技術：
中提到，目前，許多服務行業通常採取問卷調查的方式獲取用戶對於某項業務的偏好，例如，某證券公司在問卷調查中，會詢問用戶以下問題：主要收入來源，家庭預計在證券投資的資金量佔家庭總收入的比例，購買的金融產品有哪些，是否有數額較大的債務等等；通過問卷調查後該證券公司可以了解用戶對於投資風險的偏好，比如：年齡段為30～35歲之間的男性用戶通常喜歡風險較高的投資產品，年齡段為50～55歲之間的男性用戶通常喜歡風險較低的投資產品；該證券公司通過問卷調查的方式獲取用戶對於投資風險偏好，從而根據不同用戶的投資習慣制定出不同的金融產品等，提高業務質量。但現有技術中通過問卷調查的方式獲取用戶業務偏好的方法，成本較高，需要耗費大量的人力和時間，而且回收率較低，用戶通常不願花時間進行問卷調查，強制性的問卷調查可能會影響用戶的體驗，即使得到了調查結果，通常也是用戶當時的主觀感受，並不能準確地反映用戶對業務的偏好。鑑於上述問題本申請提供了一種評估用戶業務偏好的方法，為使本申請的目的、技術方案和優點更加清楚，下面將結合本申請具體實施例及相應的附圖對本申請技術方案進行清楚、完整地描述。顯然，所描述的實施例僅是本申請一部分實施例，而不是全部的實施例。基於本申請中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬於本申請保護的範圍。以下結合附圖，詳細說明本申請各實施例提供的技術方案。實施例1實施例1提供了一種評估用戶業務偏好的方法，用於客觀地評估用戶對某項業務的偏好。該方法的流程示意圖如圖1所示，包括下述步驟：步驟11：獲取用戶在業務操作中產生的特徵向量，所述特徵向量的組成元素中包含所述用戶在所述業務操作中產生的至少一個業務偏好指標值。在步驟中，首先，確定用戶在業務操作中的產生的特徵向量，該特徵向量中對應維度上的元素包含用戶在該業務操作中產生的業務偏好指標值，還包含該用戶在非該業務操作中的特徵值，例如，用戶在非該業務操作中的特徵值可以標識用戶的性別、年齡、月收入或存款等特徵等等。上述用戶在業務操作中產生的業務偏好指標值的確定方法有很多種，下面示例性的說明一種確定業務偏好指標值的方法：首先，獲取用戶在預設時間內在該業務操作中產生的數據，該數據具體可以包括：該用戶在預設時間內對該業務操作中投入的資源量、該資源量在該預設時間中的變化量，以及該資源量的變化時間等等；這裡的該資源量發生變化通常是由於用戶在該業務執行某項操作時導致的，例如，用戶購買了5萬元的某股票，過了3天後賣出了其中1萬元的該股票，這裡的5萬元股票屬於前述的資源量，其中賣出的1萬元股票為資源量的變化量，3天為資源量的變化時間。然後，獲取預設時間中的該業務的輿情指標，這裡的輿情指標是指在該業務中的專業人員或專業平臺等對該業務的發展情況進行主觀性和客觀性的預測，具體包括：該業務的發展將朝向對用戶有利的方向發展，例如，對於a股票，根據主流財經新聞、財經論壇或專業人士分析，最近三天a股票將持續上漲，則a股票在這三天的輿情指標可以認為大於0；或者業務的發展將朝向對用戶不利的方向發展，例如，根據外界各種渠道綜合分析，a股票在這三天將下跌，則a股票在這三天的輿情指標可以認為小於0。最後，根據獲取用戶在預設時間內在該業務操作中產生的數據，以及該業務在該預設時間內的輿情指標值計算該用戶對於該業務偏好的指標值，且計算該用戶的業務偏好指標值的方法有很對多種，具體如下：在預設時間段中，如果該業務的輿情指標大於0，即：根據對外界渠道獲得的數據進行分析獲知：在預設時間中該業務將向對用戶有利的方向發展，則此時計算該用戶在該業務操作中產生的業務偏好指標值的公式為：該公式中的ri表示該業務在預設時間中的輿情指標，i表示該業務包含的各種業務種類，即：a、b…為具體的業務種類，si表示通過該用戶在該業務執行某種操作後的資源變化量，∑i＝a,b...∫(si)表示在預設時間段中用戶在該業務中的資源變化的總量，∑i＝a,b...1(ri＞0)·si表示在預設時間中該業務的輿情指標大於0時，該用戶在該業務中投入的資源量的變化總量。相應的，針對上述該業務的輿情指標大於0時，計算該用戶在該業務操作中產生的業務偏好指標值的公式還可以是：該公式中的tc表示該用戶投入資源量的時間點，ti為該用戶對業務執行某種操作後使得資源量發生變化的時間點，同樣也是獲取該業務輿情指標的時間點，具體表示為：在ti時刻時，該用戶在獲取該業務的輿情指標後，對該業務執行某種操作，使得用戶在該業務中投入的資源量發生變化，例如，用戶購買了5萬元的a股票，在通過相關報導獲知a股在未來的幾天將呈現上漲趨勢，這時用戶可以立即再買進1萬元的a股票。在預設時間段中，如果該業務的輿情指標小於0，即：根據對外界渠道獲得的數據進行分析獲知：在預設時間中該業務將向對用戶不利的方向發展，則此時計算該用戶在該業務操作中產生的業務偏好指標值為：相應的，針對上述該業務的輿情指標小於0時，計算該用戶在該業務操作中產生的業務偏好指標值的公式還可以是：下面根據實例具體說明上述四個公式計算用戶在業務操作中產生的業務指標數，具體數據如表1所示：第一行數據表示：某用戶在第一天(tc)購買了5萬元的a股票，第二行數據表示：第二天(ti)，根據a股票的輿情指標(ra>0)，該用戶又購買了1萬元的a股票，第三行數據表示：第三天(ti)，根據a股票的輿情指標(ra<0)，該用戶賣出了2萬元的a股票，第四行數據表示：第四天(ti)，根據a股票的輿情指標(ra0買進500002-day>0買進100003-day<0賣出200004-day000假設預設的時間段為表中的這5天時間，在這5天的時間中，當輿情指標大於0時，對應用戶在該業務操作中產生的業務偏好指標值為，相應地，在這5天的時間中，當輿情指標小於0時，對應用戶在該業務操作中產生的業務偏好指標值為相應地，由上述計算用戶在業務操作中產生的業務偏好指標值的過程可以發現：在a股票的輿情指標大於0或小於0時，無論是買進a股票還是賣出a股票，在計算∑i＝a,b...∫(si)、∑i＝a,b...1(ri＞0)·si和∑i＝a,b...1(ri＜0)·si時，只是將資金量對應的數值進行求和。上述四個關於計算業務偏好指標值的公式只是示例性的說明獲取用戶在該業務操作中產生的業務偏好指標值，而在實際應用中，還會有其他計算用戶業務偏好指標值的方法，這裡不作具體限定。在獲得用戶業務偏好指標後，可以將這些指標以及用戶在非該業務操作中對應的特徵值組成該用戶在該業務操作中產生的特徵向量，通過該特徵向量用來標識該用戶，且該特徵向量中可以包含一個或多個上述用戶業務偏好指標。需要說明的是，關於構成用戶在業務操作中產生的特徵向量的方式有很多種，例如，可以採用(s+，s-，t+，t-，x1，x2)或(s+，s-，x1，x2)等等，其中s+、s-、t+和t-為根據上述公式獲取的四個用戶業務偏好指標，x1和x2分別可以表示該用戶的年齡和性別等等，這裡不對用戶在業務操作中產生的特徵向量中的元素以及構成該特徵向量的方式作具體限定。步驟12：根據預設規則對所述特徵向量進行處理，得到所述用戶對所述業務操作的偏好程度，並根據所述偏好程度評估所述用戶對於所述業務的偏好，其中，所述預設規則是通過用戶在所述業務操作中產生的特徵向量和用戶對所述業務的偏好程度經過訓練獲得的。在本步驟中，在獲得用戶在業務操作中產生的特徵向量後，要根據預設規則對該特徵業務向量進行處理，目的是獲取該用戶對於該業務操作的偏好程度，最後根據該偏好程度得到該用戶對該業務的偏好。上述的預設規則是通過多個樣本用戶在該業務操作中產生的特徵向量和這多個用戶對應的偏好程度進行訓練獲得的，具體地，將每個樣本用戶在該業務操作中產生的特徵向量作為該預設規則的輸入值，將每個樣本用戶對該業務操作的偏好程度作為輸出值，對該預設規則進行訓練，最終獲得該預設規則。具體的訓練過程如下：第一步，獲取這多個樣本用戶在某業務操作中產生的特徵向量，具體獲取該特徵向量的方法在步驟11中已經詳細說明，這裡就不再贅述。需要說明的是：每個樣本用戶已經預先獲知對於該業務的偏好程度，具體可以是這些樣本用戶之前已經接受過該業務的問卷調查，根據該問卷調查結果確定每個樣本用戶對該業務的偏好程度，這裡將該偏好程度稱為第一偏好程度。第二步，根據獲取的特徵向量對這多個樣本用戶進行分類，分類的方法有很多種，這裡以聚類運算對樣本用戶進行分類的方法為例，常用的聚類運算同樣也有很多種，例如，k-means聚類運算(k-均值聚類算法)、fcm聚類運算(模糊c-均值聚類算法)等聚類運算，下面示例性地對這兩種聚類運算進行詳細說明：採用k-means聚類運算對樣本用戶進行分類的具體步驟如下：步驟1：從多個樣本用戶在某業務操作中產生的特徵向量中選取k個特徵向量作為初始聚類中心，且這k個初始聚類中心對應k個類別，這裡k的值為大於等於1的正整數。步驟2：分別計算其他特徵向量距每個初始聚類中心的距離，這裡距離有很多種，可以是歐氏距離或者曼哈頓距離等，並根據計算獲得距離將特徵向量歸類到距離初始聚類中心最近的類別中。具體地，假設選取的初始聚類中心對應的向量為y＝(y1,y2…yn)，剩下其他的特徵向量為x＝(x1,x2,…xn),則歐氏距離的計算公式為：曼哈頓距離的計算公式為：d(x,y)＝|x1-y1|+|x2-y2|+…+|xn-yn|步驟3：在根據獲取的k個初始聚類中心後，即將樣本用戶對應的特徵向量分成k類後，根據每個類別中包含的特徵向量，計算每個類別中特徵向量對應的算數平均值，得到新的聚類中心，假設uj表示新的聚類中心，具體的計算公式為：其中，xi(j)表示在各類別中所包含的特徵向量，w表示各類別中包含的特徵向量個數。步驟4：根據新的聚類中心，重複上述步驟，對樣本用戶對應的特徵向量進行重新分類，直到第一代價函數收斂，完成對用戶的分類。該第一代價函數可以是：以上只是示例性的說明採用k-means聚類運算對用戶進行分類的步驟，在實際應用k-means對用戶進行分類時的步驟可能更加複雜，這裡不作具體限定。採用fcm聚類運算對樣本用戶進行分類的具體步驟如下：步驟1：將樣本用戶在該業務操作中產生的特徵向量隨機地分為n個模糊組，所述n的值為大於等於1的正整數。步驟2：用0～1之間的隨機數對隸屬矩陣uij進行初始化，該隸屬矩陣用來表徵每個樣本用戶在該業務操作中產生的特徵向量屬於每個模糊組的程度，uij滿足以下條件：步驟3：根據隸屬矩陣確定各模糊組中的聚類中心，具體計算公式可以是：其中，xj表示各模糊組包含的特徵向量，m為加權指數，取值範圍為[1,+∞)。步驟4：計算每個樣本用戶在該業務操作中產生的特徵向量與聚類中心的距離，根據距離確定第二代價函數的值是否小於預設的閾值，如果是，則停止聚類運算，如果否，則對隸屬矩陣進行更新，並重複上述步驟，直到該第二代價函數的值小於該預設的閾值。該第二代價函數可以是：更新隸屬矩陣的公式為：在採用聚類運算樣本用戶進行分類後，訓練預設規則的第三步為：根據多個樣本用戶的預設第一偏好程度，確定這多個樣本用戶對與該業務的第二偏好程度，具體地，可以通過分別計算每個分類中的樣本用戶對該業務的第一偏好程度的平均值，將該平均值作為每個分分類中的樣本用戶對該業務的第二偏好程度。第四步：將樣本用戶對該業務的第二偏好程度作為輸出數據，並將樣本用戶對於業務中的特徵向量作為輸入值，對該預設規則進行訓練，最終獲得該預設規則。在獲得該預設規則後，將待評估的用戶的特徵向量作為該預設規則的輸入數據，通過計算獲得輸出數據，該數據為該用戶對該業務的偏好程度，最終根據該偏好程度評估該用戶對於該業務的偏好。在上述訓練預設規則的過程中，採用聚類運算對用戶進行分類的原因是：被分為同一類別中的用戶之間的相似度最大，因此在將樣本用戶的預設第一偏好程度平均值作為該預設規則的輸出數據，使得訓練出預設規則更加的精確。上述為根據用戶在某業務實際操作中產生的特徵向量，計算獲取該用戶對該業務的偏好程度，根據該偏好程度更加客觀地評估該用戶對於該業務的偏好。為了更加精確的獲取用戶對於某業務的偏好程度，可以根據該用戶關於該業務的問卷調查結果獲取用戶的預設偏好程度，將該預設偏好程度和計算獲得的偏好程度進行對比，可以對該用戶的問卷調查結果和計算獲得偏好程度進行修正，最終使得獲得的問卷調查結果或計算獲得的偏好程度可以較為準確地評估該用戶對於該業務的偏好。本申請實施例提供了一種評估用戶業務偏好的方法，該方法包括：首先，獲取用戶在業務操作中產生的特徵向量，該特徵向量的組成元素中包含該用戶在該業務操作中產生的至少一個業務偏好指標值，然後，根據預設規則對獲取的特徵向量進行處理，得到該用戶對該業務操作的偏好程度，並根據該偏好程度評估該用戶對於該業務的偏好，其中，該預設規則是通過用戶在該業務操作中的特徵向量和用戶對該業務的偏好程度經過訓練獲得的。相比於現有技術中根據問卷調查的方式獲取用戶對於某項業務的偏好的方法，本申請實施例通過獲取用戶在對某項業務的實際操作中產生的特徵向量，從而獲得該用戶對於該業務的偏好程度，該偏好程度更加客觀地反映了用戶對於該業務的偏好。實施例2實施例1提供一種評估用戶偏好的方法，基於相同的發明構思，本申請實施例提供了一種評估用戶投資風險偏好的方法，用於客觀地評估用戶對某投資存在風險的偏好。該方法的流程示意圖如圖2所示，包括下述步驟：步驟21：獲取用戶在投資操作中產生的特徵向量，所述特徵向量的組成元素中包含所述用戶在所述投資操作中產生的至少一個投資風險偏好指標值。在步驟中，獲取用戶在投資操作中產生的特徵向量的方法與實施例1獲取用戶在業務操作中產生的特徵向量的方法相同或類似，這裡就不再詳細說明。本申請實施例在計算用戶對於投資操作中產生的投資風險偏好指標值時，同樣可以採用實施例中的四個計算業務偏好指標的公式來獲取該投資風險偏好指標值。例如，中的a、b…的業務種類在投資業務中可以分別表示為股票、基金、理財等投資產品，相應地，ri表示在預設時間內某投資操作中各項業務的輿情指標；該公式中的si表示通過該用戶在該投資中執行某種操作後的資金變化量，公式中的∑i＝a,b...∫(si)表示在預設時間內用戶在該投資業務中的資金量變化總量。用戶在投資操作中產生的特徵向量，同樣既包含該用戶在該投資操作中產生的投資風險偏好指標值，還包含該用戶在非該投資操作中的特徵值，該特徵值可以包括：有關用戶身份情況的特徵值，該身份情況具體包括：年齡、職業、性別、學歷、所在地區、婚姻狀況或有無子女等等；或者用戶的金融資產情況對應的特徵值，該金融資產具體包括：存款金額、信用卡額度、在金融機構購買的金融產品等等。步驟22：根據預設規則對所述特徵向量進行處理，得到所述用戶對所述投資風險的偏好程度，並根據所述偏好程度評估所述用戶對於所述投資風險的偏好，其中，所述預設規則是通過用戶在所述投資操作中產生的特徵向量和用戶對所述投資的偏好程度經過訓練獲得的。在本步驟中，根據預設規則對用戶在投資操作中產生的特徵向量進行處理，確定該用戶在該投資中的風險偏好程度，同樣與實施例1中根據用戶在業務操作中產生的特徵向量確定該用戶對該業務的偏好程度的方法相同或相似，這裡也不再贅述。本申請實施例提供了一種評估用戶投資風險偏好的方法，該方法包括：首先，獲取用戶在投資操作中產生的特徵向量，該特徵向量的組成元素中包含該用戶在該投資操作中產生的至少一個投資風險偏好指標值，然後，根據預設規則對該特徵向量進行處理，得該用戶對所述投資風險的偏好程度，並根據該偏好程度評估該用戶對於該投資風險的偏好，其中，該預設規則是通過用戶在該投資操作中產生的特徵向量和用戶對該投資的偏好程度經過訓練獲得的。相比於現有技術中根據問卷調查的方式獲取用戶對於某投資風險偏好的方法，本申請實施例通過獲取用戶在某投資操作中產生的特徵向量，從而獲得該用戶對於該投資風險的偏好程度，該偏好程度更加客觀地反映了用戶對於該投資風險的偏好。實施例3實施例1提供了一種評估用戶業務偏好的方法，相應地，本申請實施例提供了一種評估用戶業務偏好的裝置，用於客觀地評估用戶對某項業務的偏好。該裝置的結構示意圖如圖4所示，該裝置具體包括：獲取單元31和評估單元32，其中；所述獲取單元31，可以用於獲取用戶在業務操作中產生的特徵向量，所述特徵向量的組成元素中包含所述用戶在所述業務操作中產生的至少一個業務偏好指標值；所述評估單元32，可以用於根據預設規則對所述特徵向量進行處理，得到所述用戶對所述業務操作的偏好程度，並根據所述偏好程度評估所述用戶對於所述業務的偏好，其中，所述預設規則是通過用戶在所述業務操作中產生的特徵向量和用戶對所述業務的偏好程度經過訓練獲得的。該裝置實施例的具體工作流程是：首先，獲取單元31獲取用戶在業務操作中產生的特徵向量，該特徵向量的組成元素中包含該用戶在該業務操作中產生的至少一個業務偏好指標值，然後評估單元32，根據預設規則對獲取的特徵向量進行處理，得到該用戶對該業務操作的偏好程度，並根據該偏好程度評估該用戶對於該業務的偏好，其中，所述預設規則是通過用戶在該業務操作中產生的特徵向量和用戶對該業務的偏好程度經過訓練獲得的。上述裝置實施例實現評估用戶業務偏好的方式有很多種，在一種實施例中，所述裝置還包括修正單元33，所述修正單元33可以用於：在得到所述用戶對所述業務操作的偏好程度後，根據所述用戶對所述業務操作的預設偏好程度，對所述得到的所述用戶對所述業務操作的偏好程度進行修正。該實施方式中的所述用戶對所述業務操作的預設偏好程度，可以是通過對該用戶進行問卷調查獲得的預設偏好程度，這樣通過將該預設偏好程度和計算獲得的偏好程度進行對比，對獲得的偏好程度進行修正，使得最終獲得的用戶對該業務操作的偏好程度更加精確地反映了該用戶對於該業務的偏好。採用本裝置實施例獲得的有益效果與實施例1中的方法實施例獲得的有益效果相同或類似，為避免重複，這裡不再贅述。本領域內的技術人員應明白，本申請的實施例可提供為方法、系統、或電腦程式產品。因此，本申請可採用完全硬體實施例、完全軟體實施例、或結合軟體和硬體方面的實施例的形式。而且，本申請可採用在一個或多個其中包含有計算機可用程序代碼的計算機可用存儲介質(包括但不限於磁碟存儲器、cd-rom、光學存儲器等)上實施的電腦程式產品的形式。本申請是參照根據本申請實施例的方法、設備(系統)、和電腦程式產品的流程圖和/或方框圖來描述的。應理解可由電腦程式指令實現流程圖和/或方框圖中的每一流程和/或方框、以及流程圖和/或方框圖中的流程和/或方框的結合。可提供這些電腦程式指令到通用計算機、專用計算機、嵌入式處理機或其他可編程數據處理設備的處理器以產生一個機器，使得通過計算機或其他可編程數據處理設備的處理器執行的指令產生用於實現在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的裝置。這些電腦程式指令也可存儲在能引導計算機或其他可編程數據處理設備以特定方式工作的計算機可讀存儲器中，使得存儲在該計算機可讀存儲器中的指令產生包括指令裝置的製造品，該指令裝置實現在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能。這些電腦程式指令也可裝載到計算機或其他可編程數據處理設備上，使得在計算機或其他可編程設備上執行一系列操作步驟以產生計算機實現的處理，從而在計算機或其他可編程設備上執行的指令提供用於實現在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的步驟。在一個典型的配置中，計算設備包括一個或多個處理器(cpu)、輸入/輸出接口、網絡接口和內存。內存可能包括計算機可讀介質中的非永久性存儲器，隨機存取存儲器(ram)和/或非易失性內存等形式，如只讀存儲器(rom)或快閃記憶體(flashram)。內存是計算機可讀介質的示例。計算機可讀介質包括永久性和非永久性、可移動和非可移動媒體可以由任何方法或技術來實現信息存儲。信息可以是計算機可讀指令、數據結構、程序的模塊或其他數據。計算機的存儲介質的例子包括，但不限於相變內存(pram)、靜態隨機存取存儲器(sram)、動態隨機存取存儲器(dram)、其他類型的隨機存取存儲器(ram)、只讀存儲器(rom)、電可擦除可編程只讀存儲器(eeprom)、快閃記憶體或其他內存技術、只讀光碟只讀存儲器(cd-rom)、數字多功能光碟(dvd)或其他光學存儲、磁盒式磁帶，磁帶磁磁碟存儲或其他磁性存儲設備或任何其他非傳輸介質，可用於存儲可以被計算設備訪問的信息。按照本文中的界定，計算機可讀介質不包括暫存電腦可讀媒體(transitorymedia)，如調製的數據信號和載波。還需要說明的是，術語「包括」、「包含」或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、商品或者設備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、商品或者設備所固有的要素。在沒有更多限制的情況下，由語句「包括一個……」限定的要素，並不排除在包括要素的過程、方法、商品或者設備中還存在另外的相同要素。本領域技術人員應明白，本申請的實施例可提供為方法、系統或電腦程式產品。因此，本申請可採用完全硬體實施例、完全軟體實施例或結合軟體和硬體方面的實施例的形式。而且，本申請可採用在一個或多個其中包含有計算機可用程序代碼的計算機可用存儲介質(包括但不限於磁碟存儲器、cd-rom、光學存儲器等)上實施的電腦程式產品的形式。以上僅為本申請的實施例而已，並不用於限制本申請。對於本領域技術人員來說，本申請可以有各種更改和變化。凡在本申請的精神和原理之內所作的任何修改、等同替換、改進等，均應包含在本申請的權利要求範圍之內。當前第1頁12