随着互联网与共享经济模式的深入普及,众筹作为一种新兴的互联网金融产品受到了广泛的关注并逐渐成长为助推产品和服务创新的高效商业模式。然而,众筹在高速发展的同时也暴露出诸多不足,如信息不对称、信用制度不完善、缺乏高效的退出机制、潜在的违约风险等互联网金融行业痛点,导致了众筹平台发布的项目良莠不齐,部分存在较高违约风险,从而使得投资人受困于众多项目下如何挑选投资对象的问题。本文基于数据驱动模式聚焦于众筹项目成功率预测与个性化推荐两个紧密相关的核心问题,研究众筹项目成功率预测方法,在此基础上构建众筹项目的个性化推荐模型。本文主要创新性工作如下:（1）针对众筹项目成功率预测问题,本文提出了一种基于特征交互学习的项目成功率预测模型。该模型利用嵌入操作对特征进行转换,生成低维稠密向量,利用特征交互学习生成组合特征来表示特征的关联,并调整损失函数解决数据不均衡给模型带来的影响,实现高效准确地预测。（2）针对为投资者推荐众筹项目的问题,本文综合考虑了投资者的兴趣和利益,提出了一种基于特征交互学习的项目推荐模型。该模型利用项目成功率预测阶段获得的项目成功率,融合到项目和投资者的特征。模型自动学习特征的重要性,并利用并行结构同时学习低阶和高阶特征交互,使得模型能够更准确地识别有用组合特征,并提供有效预测。（3）在真实众筹数据集上,对本文提出的方法与现有的相关方法进行实验对比,实验结果显示本文提出方法在各个性能指标上明显优于现有方法。