[發明專利]一種推薦現金商品的方法、裝置、設備及存儲介質

在審

• 申請號: 201710864943.2
• 申請日: 2017-09-22
• 公開（公告）號: CN107578332A
• 公開（公告）日: 2018-01-12
• 發明（設計）人: 吳志堅
• 申請（專利權）人: 深圳樂信軟件技術有限公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02;G06Q30/06;G06Q30/02
• 代理公司: 北京品源專利代理有限公司11332
• 代理人: 孟金喆

1.一種推薦現金商品的方法，其特征在于，包括：

獲取多名用戶購買的現金商品所構成的多個預先確定的正樣本和負樣本；

將預設的用戶特征信息對應配置于所述正樣本和所述負樣本并生成目標訓練集；

采用二元分類器算法，根據所述目標訓練集，對預設的數學模型進行訓練，得到訓練模型；

獲取待預測用戶的用戶特征信息，將所述用戶特征信息作為輸入變量輸入所述訓練模型，輸出所述待預測用戶對應的現金商品的排序結果。

2.根據權利要求1所述的方法，其特征在于，現金商品的參數包括金額和期數；所述正樣本為所述用戶購買的現金商品中選擇的金額和期數構成的組合；所述負樣本為所述用戶購買的現金商品中未選擇的金額和期數構成的組合。

3.根據權利要求2所述的方法，其特征在于，所述獲取待預測用戶的用戶特征信息，將所述用戶特征信息作為輸入變量輸入所述訓練模型，輸出所述待預測用戶對應的現金商品的排序結果之后，還包括：

基于預設的業務規則，從所述排序結果中選取對應最大值的金額和期數的組合，將所述金額和期數的組合推薦給所述待預測用戶。

4.根據權利要求1所述的方法，其特征在于，所述將預設的用戶特征信息對應配置于所述正樣本和所述負樣本并生成目標訓練集，包括：

獲取預設的用戶特征信息，所述用戶特征信息包括用戶基本信息、現金商品信息、用戶歷史借款信息和用戶與推薦現金商品組合關系信息；

將所述預設的用戶特征信息填入對應的所述正樣本和所述負樣本中，并生成所述目標訓練集。

5.根據權利要求1-4任一項所述的方法，其特征在于，所述二元分類器算法包括決策樹和邏輯回歸。

6.一種推薦現金商品的裝置，其特征在于，包括：

正負樣本獲取模塊，用于獲取多名用戶購買的現金商品所構成的多個預先確定的正樣本和負樣本；

目標訓練集生成模塊，用于將預設的用戶特征信息對應配置于所述正樣本和所述負樣本并生成目標訓練集；

訓練模型獲取模塊，用于采用二元分類器算法，根據所述目標訓練集，對預設的數學模型進行訓練，得到訓練模型；

排序結果生成模塊，用于獲取待預測用戶的用戶特征信息，將所述用戶特征信息作為輸入變量輸入所述訓練模型，輸出所述待預測用戶對應的現金商品的排序結果。

7.根據權利要求6所述的裝置，其特征在于，現金商品的參數包括金額和期數；所述正樣本為所述用戶購買的現金商品中選擇的金額和期數構成的組合；所述負樣本為所述用戶購買的現金商品中未選擇的金額和期數構成的組合；

所述裝置，還包括：

推薦模塊，用于基于預設的業務規則，從所述排序結果中選取對應最大值的金額和期數的組合，將所述金額和期數的組合推薦給所述待預測用戶。

8.根據權利要求6所述的裝置，其特征在于，所述目標訓練集生成模塊，包括：

信息獲取單元，用于獲取預設的用戶特征信息，所述用戶特征信息包括用戶基本信息、現金商品信息、用戶歷史借款信息和用戶與推薦現金商品組合關系信息；

樣本訓練單元，用于將所述預設的用戶特征信息填入對應的所述正樣本和所述負樣本中，并生成所述目標訓練集。

9.一種設備，其特征在于，所述設備包括：

一個或多個處理器；

存儲器，用于存儲一個或多個程序；

當所述一個或多個程序被所述一個或多個處理器執行，使得所述一個或多個處理器實現如權利要求1-5中任一所述的推薦現金商品的方法。

10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該程序被處理器執行時實現如權利要求1-5中任一所述的推薦現金商品的方法。