互联网金融是指传统金融机构或者互联网企业利用互联网等信息技术实现资金融通、支付、投资和信息中介等服务的新型金融业务模式。在爆炸性增长的理财产品中,金融理财用户怎样选择合适的产品并使互联网理财公司获得积极反馈,成为互联网金融领域亟待解决的热门话题。而现存推荐方法只考虑了用户、产品乃至情境间的相似性,而忽略了理财用户趋利避害的心理。因此,如何平衡用户和金融理财公司间的收益,精准把握用户需求、规避风险为用户提供合适理财产品已成为目前急需解决的问题。本文主要的工作与贡献如下:(1)根据互联网金融理财用户的使用场景和心理,提出了基于最优近邻协同推荐方法,解决了理财用户在决定购买时选择哪些产品的问题。首先通过“用户-产品”二部图关系从收益和风险两方面进行用户画像和产品画像;然后根据理财收益计算最优邻居用户,利用最优近邻的购买列表进行产品推荐;最后通过实验对比分析,验证了基于最优近邻协同推荐方法提高了针对理财产品的推荐效果。(2)对互联网金融理财用户的情境因素进行了深入的研究,提出基于情境感知的产品组合优化推荐方法,在一定程度上规避了理财购买风险,提高了理财收益。首先量化用户行为信息、用户生活模式,进行“用户-情境”相似度的计算,融入最优近邻协同推荐当中;然后通过用户购买情境优化推荐的理财产品序列,并结合投资组合理论分配合适的购买金额,使得理财用户获得更大收益;最后通过实验对比推荐效果和经济效益,证明了推荐策略的推荐结果的有效性,并显著提高了理财产品组合的收益。(3)实现了面向互联网金融理财用户的在线推荐系统。详细介绍了个性化理财产品营销子模块的框架设计,以及在线推荐的处理流程,并通过对实际案例的分析验证了系统的适用性。