金融产品推荐方法、装置及相关设备

本申请公开了一种金融产品推荐方法、装置及相关设备，首先获取用户操作序列数据和在线操作行为数据，并进行预处理。然后，将预处理后的数据输入预训练的门控循环单元GRU模型，提取用户行为特征。最后，将这些特征输入预训练的深度强化学习模型，生成金融产品推荐结果。深度强化学习模型的训练过程以用户行为特征作为输入状态，金融产品推荐结果作为执行动作，并以金融产品风险程度和/或用户个人偏好构建奖励函数，从而使模型能够学习到最佳的推荐策略，在控制风险的同时满足用户个性化需求。